SISMA：基于 Mamba 的语义人脸图像合成
计算机视觉与模式识别
2025-09-23 v1
摘要
扩散模型因其在语义人脸图像合成方面的优势而备受推崇，但其训练和推理计算成本高昂，因注意力层的二次复杂度而对计算资源要求更高。本文提出一种新型架构 SISMA，基于近期提出的 Mamba。SISMA 通过在语义掩码控制下生成高质量样本，实现了降低计算需求。我们通过 CelebAMask-HQ 上的大规模实验验证了该方法：不仅实现了更好的 FID 分数，而且运算速度是当前最先进架构的三倍。这表明该设计是一种可行且轻量级的变换器模型替代方案。
引用
@article{arxiv.2509.17651,
title = {SISMA: Semantic Face Image Synthesis with Mamba},
author = {Filippo Botti and Alex Ergasti and Tomaso Fontanini and Claudio Ferrari and Massimo Bertozzi and Andrea Prati},
journal= {arXiv preprint arXiv:2509.17651},
year = {2025}
}