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

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 。 本文目录 1 AutoNAT：重新思考图像生成中的非自回归建模 (来自清华大学，新加坡国立大学) 1 AutoNAT 论文解读 1.1 AutoNAT 的诞生背景 1.2 NAT 方法简介 1.3 AutoNAT 方法：一种联合优化的框架 1.4 生成策略的优化 1.5 训练策略的优化 1.6 实验结果 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 ………………………………