محققان در مطالعه اخیر خود راهکار خلاقانهای برای حل یکی از مشکلات اساسی در «ترنسفورمرهای انتشار» (Diffusion Transformers) پیدا کردند. تا پیش از این، استفاده از انکودرهای نمایشی (Representation Encoders) در این مدلها با چالش عدم همگرایی روبرو بود، اما حالا با متد جدید RJF، میتوان بدون نیاز به افزایش هزینههای سنگین محاسباتی، به دقت خیرهکنندهای در تولید محتوا دست یافت.
این روش با اصلاح مسیرهای احتمالی در فضای هندسی، اجازه میدهد مدلهای کوچکتر نیز عملکردی فوقالعاده (مانند ثبت FID 3.37) داشته باشند. گامی بزرگ برای بهینهتر کردن مدلهای مولد! 🧠✨
منبع: arXiv Computer Vision