Looped Diffusion Transformer reutiliza blocos durante a denoising na geração de imagens
Radar de 3 de outubro de 2026 sobre um modelo de geração de imagens a partir de texto que reutiliza blocos do Transformer em cada etapa de denoising, com a afirmação de desempenho do post original.
Este item do Radar descreve um modelo de geração de imagens a partir de texto em que blocos selecionados do Transformer são reutilizados em cada etapa de denoising. Segundo o post original, publicado em 3 de outubro de 2026, um modelo de 260M supera modelos até 6,5 vezes maiores. O post também afirma que loops extras ajudam mais do que etapas extras de denoising com o mesmo compute. A fonte apresenta a reutilização de blocos como forma de melhorar as previsões sem adicionar parâmetros únicos na inferência. O texto disponível não traz detalhes de benchmark, conjunto de dados ou metodologia de avaliação.
Para consultar e verificar, leia o artigo ou post original, procure a seção de experimentos, os modelos de comparação, as métricas usadas e a forma como o compute foi medido. Compare essas informações com a afirmação de 6,5 vezes antes de considerar o resultado confirmado. Este item é apenas informativo e não indica uma capacidade de geração de imagens disponível na Rota Nacional.