SDM: 第三代神经网络和扩散模型强强联合！FID最多超基线12倍，能耗省60%，实力SOTA！

文章预览

↑ 点击 蓝字  关注极市平台 作者丨Jiahang Cao等 来源丨AI 生成未来 编辑丨极市平台 极市导读   本文介绍了一种新型的脉冲扩散模型（SDM），它结合了第三代神经网络和扩散模型的优势，在图像生成领域实现了显著的性能提升。SDM通过引入时间脉冲机制（TSM）和阈值引导策略，提高了去噪图像的质量，并在CIFAR-10数据集上的FID分数上超越了SNN基线模型多达12倍，同时节省了约60%的能耗。 >> 加入极市CV技术交流群，走在计算机视觉的最前沿 论文链接： https://arxiv.org/pdf/2408.16467 代码链接： https://github.com/AndyCao1125/SDM 亮点直击 本文提出了脉冲扩散模型（Spiking Diffusion Model, SDM），一种高质量的图像生成器，在基于SNN的生成模型中实现了SOTA性能。 从生物学的角度出发，本文提出了一种时间脉冲机制（Temporal-wise Spiking Mechanism, TSM），使脉冲神经元能够捕捉更 ………………………………