Transformer o kształcie klepsydry, skalujący się liniowo z liczbą pikseli.
An hourglass-shaped transformer that scales linearly with pixel count.
Sieć uwagi zwęża obraz w środku obliczeń i rozszerza go z powrotem, żeby nie liczyć pełnej mapy na każdym piętrze.
The attention network narrows the image mid-computation and widens it again, avoiding a full map at every level.
Porównywanie każdego punktu dużego obrazu z każdym innym zżera pamięć, zanim model w ogóle zacznie rysować.
Comparing every point of a large image with every other point eats memory before drawing even starts.
Najcięższa uwaga działa na zmniejszonej mapie, a warstwy przy wejściu i wyjściu pilnują drobnych szczegółów.
The heaviest attention runs on a reduced map, while layers at the input and output keep fine detail.
Generator ma narysować twarz w wysokiej ostrości, ale bez skrótu obrazu i bez drabiny osobnych modeli.
A generator must draw a face at high sharpness, without an image code and without a ladder of separate models.