在 ImageNet256 上，GIVT 模型现在在模型规模更小和/或推理步骤更少的情况下，表现优于 VQGAN 和 ViT-VQGAN。

在 ImageNet256 上，GIVT 也优于 LDM-4/G，在 ImageNet512 上优于 DiT-XL/2。

3/