Back to Basics: Let Denoising Generative Models Denoise
[Статья][Код]

Введение

На данный момент в области генерации изображений и видео доминирует латетная диффузия, использующая вспомогательную сеть - автоэнкодер - для отображения в пространство с меньшей пространственно-временной размерностью. В таком пространстве и диффузионный процесс дешевле и качество хорошее.

Но что если очень хочется 🤔гонять диффузию в пиксельном пространстве, на больших пиксельных патчах?

И авторы сегодняшней статьи (один из них не абы кто, а создатель Резнета 👑) предлагают рабочий рецепт пиксельной диффузии в сравнительно большой размерности.