Từ tạo ảnh RGB đến dự đoán mật độ: Tối ưu hóa mô hình Text-to-Image cho các tác vụ thị giác máy tính

Tóm tắt AI

Nghiên cứu đề xuất phương pháp mới tận dụng kiến trúc của các mô hình khuếch tán (DiT) để thực hiện dự đoán mật độ (như độ sâu, phân đoạn) trực tiếp trên không gian pixel thay vì tạo ảnh RGB, giúp tăng độ chính xác cho các tác vụ thị giác.