Tag · 3 篇
局部注意力
分布 生成模型与扩散2图像编辑与可控生成1
01 02 03
ResDiT：激发扩散 Transformer 内在的分辨率可扩展性
ResDiT: Evoking the Intrinsic Resolution Scalability in Diffusion Transformers
对做 DiT 高分辨率生成的人，这篇给出了免训练的分辨率外推方案：修正位置编码在分辨率变化下的外推误差，并用基分辨率局部注意力做细节增强，可直接套用到 SD3/FLUX 类 DiT 的高分辨率推理与空间可控生成。
Flowception：面向视频生成的时间可扩展流匹配
Flowception: Temporally Expansive Flow Matching for Video Generation
把「离散插帧 + 连续去噪」交替的概率路径用于视频生成，可作为一种非自回归、可变长度的采样范式，替代自回归视频模型以缓解误差累积，并天然支持图像到视频与插帧等任务。
EditCtrl：面向实时生成式视频编辑的解耦局部与全局控制
EditCtrl: Disentangled Local and Global Control for Real-Time Generative Video Editing
把视频编辑的计算量从全视频上下文收缩到掩码 token 上，再用轻量全局上下文嵌入器补回时序一致性，这个「局部优先 + 全局轻量引导」的分解思路可直接迁移到任何基于扩散/流模型的视频修复、物体移除或区域重绘管线中，并支撑实时自回归传播。