efficient-sampling

论文介绍了RiT，这是一种原版扩散变换器，在冻结的DINOv2特征上使用x预测的流匹配进行训练，在ImageNet 256×256上以更少的参数和无需蒸馏的快速采样实现了有竞争力的FID分数。

本文提出 Sphere Latent Encoder，一种高效的少步图像生成框架，该框架完全在球面潜空间中进行去噪，能够在 ImageNet-1K 上以显著降低的计算成本生成高质量 256×256 图像，并提升 FID 分数。