文生图注意力不再只盯第一个词：扩散模型把注意力堆在模态边界和图像角落
在FLUX.1、Z-Image与Infinity-2B三类文生图Transformer上，注意力汇的位置随架构而变：自回归模型把注意力压在首个全局token上，双向扩散模型则集中在模态边界、文本区域和图像角落。
在FLUX.1、Z-Image与Infinity-2B三类文生图Transformer上，注意力汇的位置随架构而变：自回归模型把注意力压在首个全局token上，双向扩散模型则集中在模态边界、文本区域和图像角落。
已读完全部报道