网络结构问题

[diyiiyiii]

您好，感谢您的分享。在您的论文网络结构图里，GT文字部分会通过CLIP text编码传入到diffusion模块。那测试阶段没有GT caption 如何操作？期待您的回复。

[xu-shitong]

文本的GT clip编码只会在训练时使用classification-free guidance的时候才会被使用。最终的模型里并没有使用classification-free guidance。结构图里有主要是为了解释实验