跳到正文

Masked Diffusion Transformer (MDT)

通过预测被掩蔽的标记进行图像合成

访问官网

MDT 是什么

MDT 被介绍为通过掩码潜在模型方案改进图像合成的模型,帮助扩散概率模型学习图像中对象部分之间的关系。

你可以用它做什么

  • 生成高分辨率图像
  • 在图像合成任务中实现快速学习
  • 利用 MDTv2 提高图像合成的 FID 分数

模型说明

  • 训练时在潜在空间掩蔽某些标记
  • 不对称变换器预测被掩蔽的标记
  • 扩散生成过程被保留

优点与缺点

✓ 我们认可的地方

  • 训练期间保持扩散生成过程
  • 标记掩蔽发生在潜在空间中

! 需要留意的地方

  • 预测依赖未被掩蔽的标记
  • MDTv2 改动了宏网络结构和训练策略

常见问题

它掩蔽什么?

资料说明训练期间在潜在空间中掩蔽某些标记。

MDTv2 改动了什么?

资料列出更有效的宏网络结构和训练策略。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法