DC-SAE：深度压缩语义自编码器加速扩散模型收敛
DC-SAE是一种旨在兼顾高空间压缩率、图像重建质量和扩散模型训练速度的自编码器。该方法使用语义编码器生成紧凑的潜在表示，并通过像素级编码器保留图像细节。在ImageNet的512 × 512图像上，DC-SAE实现了32倍空间压缩，PSNR达到29.79，gFID达到3.37。研究团队表示，与高压缩率基线方法DC-AE相比，DC-SAE的PSNR提升13.5%，gFID改善54.9%，同时保持相近的吞吐量并加快扩散模型训练收敛。采用DC-SAE的16亿参数DiT模型在1024 × 1024文本生成图像任务中取得了GenEval 0.84和DPG-Bench 86.007。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。