DiffDis是一种将跨模态生成和辨别预训练统一到一个框架中的方法，通过融合噪声文本嵌入和不同尺度的潜在图像的知识，提出了一种新颖的双流网络架构来解决图像-文本辨别任务。实验结果表明，DiffDis在图像生成和图像-文本辨别任务上优于单一任务模型。

DiffDis是一种将跨模态生成和辨别预训练统一到一个框架中的方法，通过融合噪声文本嵌入和不同尺度的潜在图像的知识，提出了一种新颖的双流网络架构来解决图像-文本辨别任务。实验结果表明，DiffDis在图像生成和图像-文本辨别任务上优于单一任务模型。

研究人员提出了DiffDis，一种将跨模态生成和辨别预训练统一到一个框架中的方法。DiffDis通过融合噪声文本嵌入和不同尺度的潜在图像知识，提出了一种新颖的双流网络架构，用于解决图像-文本辨别任务。实验结果表明，DiffDis在图像生成和图像-文本辨别任务上优于单一任务模型。