Hacker News：AI 热帖· schopra909·2026-10-07 04:24· 7 天前AI 评分50

Linum 提出无 VAE 的 Pyramid-JiT 像素空间文生图架构

Training Text-to-Image Models Without a VAE

AI 导读

Linum 提出 decoder-only 像素空间文生图架构 Pyramid-JiT（P-JiT），通过在 DiT 主干上依次预测 128×128、256×256 和 512×512 图像来替代 VAE 与编码器。