ECCV 2024 Oral | SPLAM：基于子路径线性近似的扩散模型加速方法

文章预览

本文介绍南京大学和阿里巴巴在扩散模型加速任务上的新工作： SPLAM: Accelerating Image Generation with Sub-Path Linear Approximation Model 。本工作主要解决扩散模型在采样过程中需要多步导致推理速度较慢，针对现有的LCM存在的累积误差较大的问题进行优化，通过提出线性ODE采样方法，进一步提升了生图的质量和速度。在四步推理的设置下，在COCO30k和COCO5k上分别取得了10.06和20.77的FID分数，在加速模型方法中达到了SOTA效果。 论文标题：  SPLAM: Accelerating Image Generation with Sub-Path Linear Approximation Model  论文链接： https://arxiv.org/abs/2404.13903 代码链接： https://github.com/MCG-NJU/SPLA 项目主页： https://subpath-linear-approx-model.github.io/ 一、引言 扩散模型目前已经成为文本生成图片领域使用最为广泛的模型，其通过逐步去噪步骤来从一张高斯噪声采样生成真实分布中的图片。然而 ………………………………