分组图像流匹配 Transformer 架构图

概览

像素空间分组流匹配 Transformer（用于局部图像修复）的四面板架构图。这是一张可编辑的 PowerPoint 图，依据 CC BY 4.0 许可改编自论文原图。

图中内容

(a) 总流程：修复前后对比图、RGB / 字形两路嵌入、main / item / glyph 三组 token、堆叠的 Group JiT Block ×32（3D RoPE、时间步嵌入、RMSNorm + adaLN、Attention、SwiGLU FFN）和带回贴的 RGB 预测头。(b) 共享画布上的中心化连续位置编码与非整格裁剪。(c) 分组注意力掩码（Query × Key/Value 网格）。(d) x 预测 + v 空间 MSE 损失。每个方框、箭头、标签和公式都是原生形状，改配色、改文字、拆开单独用都行，适合组会汇报、开题、论文配图和海报。

文件格式

下载包含：.pptx（1 页，13.33 × 7.60 英寸；PowerPoint、Keynote、WPS、LibreOffice 都能打开；Google Slides 也能用，但复杂自由曲线可能略有偏移）、.svg、.drawio。附原尺寸预览图 preview.png，另有 1200 px 网页预览图。

形状与编辑

368 个原生可编辑形状：201 个自选图形、77 个文本框、90 个自由曲线、0 条线条/连接线。另有 27 张嵌入图片（见下方说明）。可编辑内容：全部文字和公式（z_t、x̂₁、v̂、v*、d_t、I₁…G₃）、叠层模块卡片、token 网格、嵌入条、位置编码网格（含圆点与边框）、7×7 掩码矩阵、损失方框和箭头。

嵌入图片与字体

有 27 处是嵌入位图：修复前后的海报网格，以及字形、噪声块和字符小图。文字统一用 Times New Roman（Windows 和 macOS 自带；LibreOffice 会用等宽度的 Liberation Serif 显示）。上下标是真正的上标 / 下标文字格式，不是公式编辑器对象。SVG 里的文字仍是可编辑文字；draw.io 文件是逐个形状转换的，个别位置可能要微调。本文件是忠实重绘，不是作者的原始源文件。