视觉的高效扩散模型综述

文章预览

22年10月 来自澳大利亚大学 的综述论文“Efficient Diffusion Models for Vision: A Survey“。 摘要 ：扩散模型 （DM） 在内容生成中展示了最先进的性能，无需对抗性训练。这些模型用两步过程进行训练。首先，正向扩散过程逐渐向基准（通常是图像）添加噪声。然后，反向扩散过程逐渐消除噪声，将其转换为建模的目标分布样本。DM受到非平衡态热力学的启发，具有固有的高计算复杂度。由于高维空间中频繁的函数评估和梯度计算，这些模型在训练和推理阶段都会产生相当大的计算开销。这不仅会阻碍基于扩散建模的平民化，而且会阻碍扩散模型在实际应用中的适应性。更不用说，由于过度的能耗和环境影响，计算模型效率成为一个重大问题。这篇综述介绍了视觉扩散模型的最新进展，特别关注那些影响扩散模型计算效率的设计。特别强调最近提出的导致更 ………………………………