Just image Transformer: ピクセル空間で実画像を予測するフローマッチングモデル

2025.12.14 19:13
Zenn.dev

概要 JiT (Just image Transformer) は VAE を使わず、ピクセル空間上で flow-matching を行う モデルは速度 (velocity) v を予測するよりも実画像 x を予測した方が性能が良い (x-pred) ただしロスは、実画像 x とノイズ画像 z から作れる速度 v でロスを計算すると良い (v-loss) はじめに 拡散による画像生成モデルは ...

検索

人気記事

2026.05.05 11:04
2026.07.10 2:38
2026.07.10 0:28
2026.07.10 6:08
2026.07.09 23:11

コメント一覧

まだコメントはありません。

コメント