RoAR-VAE: Cải thiện khả năng khuếch tán tiềm ẩn thông qua dự đoán mạnh mẽ

Đoạn trích bài viết

Một bộ mã hóa token hình ảnh hiệu quả phải bảo toàn độ trung thực của hình ảnh trong khi tạo ra các biến tiềm ẩn mà các mô hình khuếch tán downstream có thể học một cách hiệu quả. Các nghiên cứu trước đây cải thiện khả năng khuếch tán tiềm ẩn thông qua căn chỉnh ngữ nghĩa hoặc huấn luyện chung bộ mã hóa token--khuếch tán.