CVPR 2024｜NAT其实真的不输扩散模型！AutoNAT：全新定制训练&生成策略拓宽性能边界

文章预览

关注 「 AIWalker 」 并 星标 从此AI不迷路 作者丨科技猛兽    编辑丨极市平台 极市导读   本文将设计训练和生成策略的任务制定为一个统一的优化问题，并自动完成设计，本文方法因此称为 AutoNAT。AutoNAT 更全面地探索了 NAT 的全部潜力，而不会受到有 限的 先验 知识的限制 。  >> 加入极市CV技术交流群，走在计算机视觉的最前沿 太长不看版 本文研究的是图像生成的任务。目前图像生成任务的主流方案扩散模型虽然很成功，但是计算强度很大，那么需要更加高效的替代方案。Non-autoregressive Transformer (NAT) 是一种高效的，且已得到公认的方案。但是与扩散模型相比其缺点是性能较差。 因此，本文的目标是通过重新审视其训练和推理策略的设计来重新评估 NAT 的全部潜力。作者指出了现有 NAT 设计的问题，并对 NAT 的一些策略进行了深入的研究。最终的 ………………………………