[P] S2ID：尺度不变图像扩散器 - 在标准MNIST上训练，生成1024x1024的数字，并以任意宽高比生成，几乎没有伪影（610万参数）

这篇文章介绍了一种新的扩散架构S2ID，旨在解决现有模型（如UNet和DiT）的局限性。解决的核心问题是UNet中卷积核对上采样过程中像素密度变化的敏感性，这会导致伪影。S2ID还旨在改进DiT模型，这些模型可能无法在处理放大图像时有效地压缩上下文。作者认为，与LLM中的token不同，像素不是原子性的，因此需要不同的方法。该模型取得了令人印象深刻的结果，使用相对较小的参数数量生成了具有最小伪影的高分辨率图像。作者承认代码的当前状态，而是专注于架构创新。

• •S2ID解决了图像扩散中UNet和DiT架构的局限性。
• •该模型旨在改善上采样过程中像素密度变化的控制。
• •S2ID以最小的伪影和相对较小的参数数量实现了高分辨率图像生成。