WaiT: Trasformatore di Immagini Wavelet-Aware Raggiunge FID Pareto-Ottimale
Un nuovo studio su arXiv (2607.28760) introduce WaiT, un trasformatore di immagini unico che utilizza le wavelet per distinguere tra dettagli grossolani e fini nella generazione di immagini. A differenza dei metodi tradizionali di flow matching che trattano tutte le frequenze allo stesso modo, WaiT mantiene i dettagli ad alta frequenza come rumore fino a quando la struttura più ampia non è stabilita, poi li rifinisce insieme. I ricercatori hanno anche creato un metodo di valutazione robusto con tre assi per valutare la qualità dell'immagine alla risoluzione originale, superando i limiti delle tipiche metriche FID che spesso perdono dettagli più fini a causa del downsampling. Su ImageNet 512x512, WaiT ha raggiunto un FID nello spazio dei pixel di 1.43 e si è dimostrato Pareto-ottimale su tutte le metriche. L'articolo è classificato come cross-announcement ed è disponibile online.
Fatti principali
- WaiT è un trasformatore di immagini wavelet-aware per la generazione di immagini.
- Scompone la generazione in bande grossolane e fini tramite wavelet senza perdita.
- Le bande ad alta frequenza attendono il segnale: rimangono puro rumore finché non emerge la struttura grossolana.
- Il flow matching standard tratta tutte le frequenze spaziali in modo uniforme.
- Viene introdotto un nuovo protocollo di valutazione a tre assi per valutare la qualità alla risoluzione nativa.
- Su ImageNet 512x512, WaiT raggiunge un FID nello spazio dei pixel di 1.43.
- WaiT è Pareto-ottimale su tutte le soglie.
- L'articolo è disponibile su arXiv con ID 2607.28760.
Entità
—