Looped-DiT reaproveita blocos Transformer na geração de imagens
Publicado em 1º de outubro de 2026, o post relata que o Looped-DiT reutiliza blocos Transformer nas etapas de denoising e que um modelo de 260 milhões de parâmetros superou outro 6,5 vezes maior em benchmarks de texto para imagem, com 4,9 vezes menos computação na inferência.
Um post publicado em 1º de outubro de 2026 descreve o Looped-DiT, que executa repetidamente blocos Transformer compartilhados em cada etapa de denoising. A proposta é reutilizar blocos, em vez de depender apenas de um modelo maior ou de mais etapas de denoising.
Segundo o post, um modelo de 260 milhões de parâmetros superou outro 6,5 vezes maior em benchmarks de geração de imagens a partir de texto, usando 4,9 vezes menos computação na inferência. Esses resultados são os relatados pela publicação, não uma validação independente. Consulte o post original para conferir a metodologia, os benchmarks e as condições da comparação antes de tirar conclusões ou reproduzir o resultado. Se usar IA para estudar ou aplicar o material, não insira dados organizacionais sensíveis sem avaliar a política de privacidade e proteção de dados da sua organização.