NeurIPS 2024 | AdaptiveDiffusion - 为每个prompt量身定制的扩散加速方案

文章预览

在这篇论文中，作者讨论了无需训练的扩散加速方法，并提出AdaptiveDiffusion。这个方法可以根据给定的提示动态选择去噪路径。作者还分析了跳步策略中的误差，提出使用三阶估计器来说明计算冗余。大量实验结果表明，这种方法在保证图像质量的同时，能有效降低推理成本，达到了很好的平衡。 论文题目： Training-Free Adaptive Diffusion with Bounded Difference Approximation Strategy  论文链接： https://arxiv.org/abs/2410.09873 代码链接： https://github.com/UniModal4Reasoning/AdaptiveDiffusion 项目主页： https://jiakangyuan.github.io/AdaptiveDiffusion-project-page / 一、背景 近年来，扩散模型在高质量图像和视频合成领域崭露头角，展现出强大的生成能力。从艺术创作到数据增强，扩散模型的应用范围不断扩大。然而，传统的去噪技术需要逐步预测噪声，计算量大，导致显著的延迟。 为了解决 ………………………………