LiFT: transformers de loop para geração de imagens com flow matching
Radar: o LiFT treina um gerador de imagens com flow matching e um núcleo transformer compartilhado, em que cada loop refina progressivamente a estimativa de velocidade. Segundo o autor, um modelo com 2 loops melhora com até 16 loops na inferência.
Segundo a descrição do autor, o LiFT (Loop Flow Transformers) treina um gerador de imagens com flow matching usando um núcleo transformer compartilhado. Em cada loop, a estimativa inicial de velocidade é refinada progressivamente. O autor afirma que um modelo treinado com 2 loops melhora com até 16 loops na inferência.
O trabalho também mostra como trocar loops de inferência por qualidade sem retreinar, o que pode ser útil para DiTs com menor custo computacional. O resumo do Radar não detalha métricas, conjuntos de dados nem comparações. Para verificar, leia o texto original, confira os resultados reportados e reproduza-os em seu próprio ambiente antes de adotar a técnica.