ldxA_的博客

SISO这篇文章更像是提出了一个插件，可以用在SDXL、FLux以及Sana等扩散模型中，主要方法是通过结合 DINO 和 IR 特征来定义相似度损失函数，SISO 能够有效捕捉图像中对象的身份特征，同时过滤掉背景干扰。

例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

这篇论文最早的版本是2022年12月，2023年3月更新了第二版。本文基于transformer探索了一类新的扩散模型，并且训练了潜在扩散模型，用对潜在patch进行操作的Transformer替换常用的U-net网络，通过Gflops测量的前向传递复杂度来分析DiT的可扩散性。研究表明，具有较高Gflop的DiTs通过增加变压器深度/宽度或输入标记数量的增加可以始终具有较低的FID。