每日AIGC最新希望(51)：昆仑万维震撼发布16B DiT-MoE图像生成模子、东北大 ...

Diffusion Models专栏文章汇总：入门与实战
  Scaling Diffusion Transformers to 16 Billion Parameters

本文介绍了DiT-MoE，一种可扩展的稀疏变分Transformer模子，它在保持与密集网络竞争力的同时，实现了高度优化的推理。通过共享专家路由和专家级均衡损失筹划，DiT-MoE捕获了共同知识并减少了不同路由专家之间的冗余。

DiT-MoE通过将DiT中的部分密集前馈层更换为稀疏MoE层，实现了条件计算。每个图像块的标志被路由到一组专家（即MLP层）。此外，引入了共享专家路由和专家负载均衡损失，以优化专家专业化并减少不同路由专家之间的冗余。
实验效果表明，DiT-MoE在条件图像生成使命中的表现与密集网络相当，但推理时的计算负载更小。通过合成图像数据进一步扩展模子参数至16.5B，DiT-MoE在512×512分辨率下达到了

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。