BudgetPix：面向像素空间扩散的计算量自适应分词
BudgetPix 是一种根据视觉复杂度和空间布局动态分配图像生成计算量的框架。其自适应编码器可生成长度可变的 token 序列，解码器和训练方法则支持不同的 token 数量，因此同一模型检查点可在多种计算预算下运行。作者称，在文生图任务中，BudgetPix 仅使用原始计算量的 25%，便达到 512² MiniT2I-L 和 1024² PixelDiT 的图像保真度。在类别条件生成任务中，它使用完整计算预算的 60%，FID 上升 0.8 分。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。