本文共 307 字，大约阅读时间需要 1 分钟。

Dolfin: 无自编码器的扩散布局Transformer

作者

Yilin Wang, Zeyuan Chen, Liangjun Zhong, Zheng Ding, Zhuowen Tu

论文创新点

Dolfin模型通过创新性的设计，在无需自编码器的情况下直接在原始空间进行操作，有效保留了几何特征如边界框对齐，同时显著提升了模型的透明性和可访问性。

此外，Dolfin提出了一种双向扩散模型和自回归扩散模型（Dolfin-AR），后者特别擅长捕捉对象或项目之间的丰富语义，进一步拓展了模型的应用场景。

这种架构设计不仅简化了模型结构，还显著提升了模型的灵活性和适用性，为图像生成和相关领域带来了新的可能性。