本论文是解决什么问题的
无分类器引导扩散模型最近被证明在高分辨率图像生成方面非常有效，无分类器的引导扩散模型的缺点是，它们在推理时计算昂贵
原因是：因为它们需要评估两个扩散模型，一个类条件模型和一个无条件模型，数十到数百次
这篇论文提出的解决办法是一种将无分类器的引导扩散模型提取为能够快速采样的模型的方法
然而，无分类器引导的一个关键限制是其低采样效率-它需要评估两个扩散模型数十到数百次以生成一个样本。这种限制阻碍了无分类器引导模型在现实世界中的应用。尽管已经提出了用于扩散模型的蒸馏方法[33，38]，但这些方法不直接适用于无分类器的引导扩散模型。为了解决这个问题，我们提出了一个两阶段的蒸馏方法，以提高采样效率的无分类器引导模型
On Distillation of Guided Diffusion Models
猜你喜欢
转载自blog.csdn.net/qq_45560230/article/details/130777730
今日推荐
周排行