Loading...
机构名称:
¥ 1.0

扩散模型是生成时期的当前最新模型,它通过将生成过程分解为许多细粒度的排除步骤,从而综合了高质量的图像。尽管其性能良好,但扩散模型在计算上还是需要许多Neu-ral功能评估(NFES)。在这项工作中,我们提出了一种基于扩散的方法,该方法在完成前在任意时间停止时可以生成可行的图像。使用现有的预处理扩散模型,我们表明可以将生成方案重新组成为两个嵌套扩散过程,从而可以快速迭代的迭代细化。在实验和基于稳定的基于扩散的文本对图像生成的实验中,我们在定性和定量上都表明,我们的方法的相互作用质量大大超过了原始扩散模型的质量,而最后一代结果仍然可比。我们说明了嵌套扩散在多种设置中的适用性,包括用于求解逆概率,以及在整个采样过程中允许用户干预,用于快速基于文本的内容创建。1

任何时间图像生成的嵌套扩散过程

任何时间图像生成的嵌套扩散过程PDF文件第1页

任何时间图像生成的嵌套扩散过程PDF文件第2页

任何时间图像生成的嵌套扩散过程PDF文件第3页

任何时间图像生成的嵌套扩散过程PDF文件第4页

任何时间图像生成的嵌套扩散过程PDF文件第5页

相关文件推荐

2025 年
¥4.0
2024 年
¥2.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥2.0
2025 年
¥2.0
2025 年
¥7.0
2024 年
¥1.0
2024 年
¥3.0
2020 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2024 年
¥4.0
2025 年
¥2.0
2024 年
¥3.0
2020 年
¥1.0
2025 年
¥2.0
1900 年
¥33.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2022 年
¥1.0