SEGA: 확산 트랜스포머의 해상도 외삽을 위한 스펙트럴-에너지 유도 어텐션

SEGA는 확산 트랜스포머를 위한 학습 없는 고해상도 텍스트-이미지 생성 기법이다.

잠재공간의 공간-주파수 구조를 활용해 디노이징 과정에서 RoPE 구성요소별 attention을 동적으로 조정한다.

이를 통해 학습 범위를 넘는 해상도에서도 전역 구조와 세부 디테일을 더 잘 유지한다.

추가 학습 없이 기존 학습 없는 베이스라인보다 더 나은 고해상도 합성을 구현한다.