Scalable GANs with Transformers
可扩展的Transformer生成对抗网络
机构 * KAIST(韩国科学技术院)
AI总结 本文通过紧凑变分自编码器潜在空间和纯Transformer架构,研究了生成对抗网络的可扩展性,并提出了轻量级中间监督和宽度自适应学习率调整来解决缩放时的失败模式,在ImageNet-256上以40个epoch达到2.96的FID。
Comments ICML 2026
高校专区
可扩展的Transformer生成对抗网络
机构 * KAIST(韩国科学技术院)
AI总结 本文通过紧凑变分自编码器潜在空间和纯Transformer架构,研究了生成对抗网络的可扩展性,并提出了轻量级中间监督和宽度自适应学习率调整来解决缩放时的失败模式,在ImageNet-256上以40个epoch达到2.96的FID。
Comments ICML 2026