论文页面 - DiffusionBench：扩散Transformer的整体评估

来源：https://huggingface.co/papers/2606.24888

摘要

研究人员提出NanoGen，一个统一的扩散Transformer训练与评估框架，展示了在ImageNet类别条件生成之外进行综合基准测试的必要性，以评估生成建模的真正进展。

扩散Transformer（https://huggingface.co/papers?q=Diffusion%20transformer）（DiT（https://huggingface.co/papers?q=DiT））在图像生成（https://huggingface.co/papers?q=image%20generation）领域的研究已收敛到单一评估设定：在ImageNet（https://huggingface.co/papers?q=ImageNet）上的类别条件（https://huggingface.co/papers?q=dit）生成。尽管方法改进了FID（https://huggingface.co/papers?q=FID）及相关指标，但越来越不清楚这些改进是否反映了生成建模的真正进展。自然替代方案，即文本到图像（T2I）生成，被认为训练和评估成本过高或不方便，常常被跳过。我们认为这种看法已不再成立。我们引入NanoGen，一个统一的DiT（https://huggingface.co/papers?q=DiT）训练与评估框架。NanoGen在ImageNet（https://huggingface.co/papers?q=ImageNet）上匹配了最先进的DiT（https://huggingface.co/papers?q=DiT）基线，并且只需修改12行配置，就能训练出具有竞争力的文本到图像模型。目前它支持RAE、VAE、像素空间和MeanFlow扩散方法（https://huggingface.co/papers?q=diffusion%20methods），涵盖ImageNet（https://huggingface.co/papers?q=ImageNet）和T2I两种设定。在NanoGen下，训练T2I所需的计算资源与ImageNet（https://huggingface.co/papers?q=ImageNet）相当。在使用NanoGen训练了21个潜在扩散模型（https://huggingface.co/papers?q=latent%20diffusion%20models）后，我们观察到方法排名在ImageNet（https://huggingface.co/papers?q=ImageNet）和T2I生成之间缺乏强相关性：三项指标的皮尔逊相关系数在-0.377到-0.580之间。这表明，一种改进类别条件（https://huggingface.co/papers?q=dit）ImageNet（https://huggingface.co/papers?q=ImageNet）FID（https://huggingface.co/papers?q=FID）的方法，可能对T2I没有相应改进，清楚表明了在两项任务上评估DiT（https://huggingface.co/papers?q=DiT）的必要性。为此，我们总结了ImageNet（https://huggingface.co/papers?q=ImageNet）和文本到图像的结果，形成了DiffusionBench（https://huggingface.co/papers?q=DiffusionBench），一个用于DiT（https://huggingface.co/papers?q=DiT）研究的整体基准。我们建议用DiffusionBench（https://huggingface.co/papers?q=DiffusionBench）替代仅用ImageNet（https://huggingface.co/papers?q=ImageNet）进行报告：能改进DiffusionBench（https://huggingface.co/papers?q=DiffusionBench）的方法更可能反映更广泛的进步。

查看arXiv页面（https://arxiv.org/abs/2606.24888） 查看PDF（https://arxiv.org/pdf/2606.24888） 项目页面（https://end2end-diffusion.github.io/diffusion-bench/） GitHub36（https://github.com/End2End-Diffusion/diffusion-bench） 添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.24888）

在你的代理中获取这篇论文：

hf papers read 2606.24888

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接到此论文

在模型README.md中引用arxiv.org/abs/2606.24888以从此页面链接它。

引用此论文的数据集0

没有数据集链接到此论文

在数据集README.md中引用arxiv.org/abs/2606.24888以从此页面链接它。

引用此论文的Space0

没有Space链接到此论文

在Space README.md中引用arxiv.org/abs/2606.24888以从此页面链接它。

包含此论文的收藏0

没有包含此论文的收藏

将此论文添加到一个收藏（https://huggingface.co/new-collection）中以从此页面链接它。