研究提出MFlow参数化与ConvRefiner模块

发生了什么

据arXiv cs.CV发布的研究，针对像素扩散Transformer模型，研究者提出了MFlow自适应参数化方法，通过端到端学习在x0预测与u预测之间进行插值，以优化生成性能。针对模型普遍存在的高频细节缺失问题，研究引入了ConvRefiner模块，该模块通过对抗损失进行事后训练，在保持FID指标的同时修复了生成图像的高频统计特征。