NeurIPS 2024｜单步生成：让扩散模型实现高速无损的内容生成

文章预览

关注公众号，发现CV技术之美 本篇分享 NeurIPS 2024 论文 One-Step Diffusion Distillation through Score Implicit Matching ，单步生成：让扩散模型实现高速无损的内容生成。 团队成员：Weijian Luo, Zemin Huang, Zhengyang Geng, J. Zico Kolter, Guo-jun Qi 相关论文：https://arxiv.org/abs/2410.16794 项目网站：https://github.com/maple-research-lab/SIM 引言 扩散模型（Diffusion Models, DMs） 是一类通过逐步添加噪声来破坏数据分布并逆向生成数据的模型。这类模型在图像生成、文本到图像生成等领域表现出色，但其生成过程往往需要几十步的采样步骤，造成高昂的计算成本和较长的响应时间。这在实际应用中，尤其是在实时生成或移动设备上，是一个重要的限制。 随着对生成模型效率的需求不断增加，研究人员开始探索如何将预训练的扩散模型转化为高效的单步或少步生成模型。我们的研究聚焦于扩散 ………………………………