DuoDiff: 提升浅层 Transformer 性能的扩散模型， 双 Backbone 件扩散模型在图像处理中的应用 ！

文章预览

↑ 点击 蓝字  关注极市平台 作者丨集智书童 来源丨集智书童 编辑丨极市平台 极市导读   DuoDiff通过在生成过程的不同阶段使用两个不同的去噪网络（一个较浅的网络用于初始阶段，一个较深的网络用于后续阶段）来加速推理过程。实验表明，DuoDiff在推理速度和生成质量上都优于现有的早期终止扩散方法，并且易于实现，与加速扩散的现有方法相辅相成。这项工作为解决扩散模型推理速度慢的问题提供了一种有效的解决方案。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 扩散模型在图像生成方面取得了前所未有的性能，但由于其迭代采样过程，推理速度较慢。  为了解决这个问题，最近提出了早期终止（Early-exiting）的方法，其中，去噪网络的深度根据每个采样步骤的（估计）难度进行自适应。 在这里，作者发现在当前自适应扩散模型 ………………………………