WaiT提出一种基于无损小波的图像Transformer，将生成过程拆为粗粒度与细粒度频带，让高频分量在粗结构形成后再加入联合精修。在ImageNet 512×512上，论文报告像素空间FID 1.43、最大2B模型FID 1.3，并称采样计算量最多降低50%；同时扩展至OpenImages和视频生成。
最近 24 小时暂无可用热度快照。