Learning to Read the Contextual Tokens in Diffusion Transformers

arxiv · arXiv · 2026-10-06 01:59 · 评分 80

研究多模态扩散 Transformer 中上下文 token 的作用。通过训练轻量级瓶颈网络，将中间上下文 token 映射到冻结的大型语言模型输入空间，实现用自然语言询问解读上下文空间。