资料索引 图像生成 · arXiv 2611.22287
作者 Hansheng Chen 等
Decoding Without a Decoder: Direct Pixel Prediction from Diffusion Transformers
Daily Papers 收录于

许多生成模型先在压缩表示中完成多轮采样,再经单独解码器还原画面。DWD 在训练时只微调靠后的少数网络块,保留原输出头驱动采样,最终一步再由新的线性输出头产生像素。

作者在 Wan 视频生成实验中报告,画面变形误差下降 23%。该指标对应特定模型与实验配置;减少独立的解码阶段,并不能从这一个数字推导出整体加速了多少。

原始资料