पिक्सेल-स्पेस जनरेटिव Transformers के लिए भूमिका से जुड़ा टोकनीकरण पढ़ता है, आवंटित करता है और मार्गों को tokens देता है।
स्पेकस्लॉट पिक्सेल-स्पेस छवि tokens को निश्चित वर्णक्रमीय भूमिकाएं प्रदान करता है, कंप्यूटिंग में कटौती और स्थानीय स्लॉट्स और वैश्विक ध्यान के साथ डीपीजी-बेंच में सुधार।
मुख्य जानकारी
- SpecSlot पिक्सेल-स्पेस जनरेटिव Transformers के लिए एक भूमिका संबद्ध टोकनीकरण विधि है जो छवि tokens को निश्चित वर्णक्रमीय भूमिकाएं प्रदान करती है।
- यह दृश्य प्रसंस्करण को वैश्विक ध्यान के लिए कम आवृत्ति वाहक और स्थानीय इंटरैक्शन के लिए स्थानीय स्लॉट में अलग करता है, जिससे अनावश्यक वैश्विक कंप्यूटिंग घट जाती है।
- ImageNet-512 पर, SpecSlot-K4 JiT-B/16 की तुलना में कम FLOPs का उपयोग करता है।
- 256×256 text-to-image पीढ़ी के लिए, यह डीपीजी-बेंच को 61.15 से 62.21 में सुधार करते हुए 218.77 से 129.86 जीएफएलओपी तक आगे की गणना करता है।
- पेपर, प्रोजेक्ट पेज और कोड उपलब्ध हैं जो पिक्सेल-स्पेस इमेज जनरेशन के लिए कम कंप्यूटिंग दिशा को उजागर करता है।
मेटा विवरण: SpecSlot पिक्सेल-स्पेस जनरेटिव Transformers में कंप्यूटिंग कटौती करता है, फ्लोप को कम करता है और निश्चित वर्णक्रमीय token भूमिकाओं का उपयोग करके text-to-image कार्यों पर डीपीजी-बेंच में सुधार करता है।
टैग: SpecSlot, पिक्सेल-स्पेस Transformers, जनरेटिव AI, डीपीजी बेंच, फ्लोप्स
विशेष रुप से प्रदर्शित छवि: छवि tokens का अमूर्त मैत्रीपूर्ण चित्रण वैश्विक निम्न आवृत्ति वाहक और स्थानीय स्लॉट में विभाजित है, कोई वास्तविक लोग नहीं हैं, कोई लोगो, कोई पाठ नहीं।
क्या SpecSlot बदलता है
SpecSlot पिक्सेल-स्पेस जनरेटिव Transformers के लिए एक भूमिका से जुड़ी टोकनीकरण विधि है। यह tokens निश्चित वर्णक्रमीय आउटपुट भूमिकाओं को असाइन करके वैश्विक संचार से ठीक दृश्य विवरण को अलग करता हैः निम्न आवृत्ति वाहक वैश्विक ध्यान करते हैं, जबकि शेष स्लॉट स्थानीय रूप से बातचीत करते हैं।
रिपोर्ट किए गए कंप्यूटिंग और गुणवत्ता
ImageNet-512 पर, SpecSlot-K4 JiT-B/16 की तुलना में 38.2% कम FLOPs का उपयोग करता है। 256×256 text-to-image पीढ़ी के लिए, यह डीपीजी-बेंच को 61.15 से 62.21 तक सुधारते हुए 218.77 से 129.86 जीएफएलओपी में फॉरवर्ड कंप्यूटिंग को कम कर देता है।
लिंक और क्या देखना है
पेपर, प्रोजेक्ट पेज और कोड को https://arxiv.org/abs/2610.40647, https://yangjiongfan.site/specslot/ और https://github.com/JiongfanYang/SpecSlot पर सूचीबद्ध किया गया है। रिपोर्ट की गई संख्या पिक्सेल-स्पेस इमेज जनरेशन के लिए एक कम कंप्यूटिंग दिशा दिखाती है, जबकि जारी किए गए संसाधन पाठकों को विधि का निरीक्षण करने देते हैं।

Comments (0)