Base Transformer和SuperRes Transformer在训练过程中分别实现什么功能?
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
在训练过程中,Base Transformer实现的功能是输入被Mask掉的image tokens,并基于text embedding预测被mask掉的token。而SuperRes Transformer则负责输入被Mask掉的image tokens,并基于text embedding和生成阶段的结果预测被mask掉的token,以实现图像的超分辨率生成。