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

关注 「 AIWalker 」 并 星标 从此AI不迷路 作者：Jiahang Cao等     解读：AI 生成未来      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多的动态信息，从而提高去噪图像的质量。 大量结果显示，SDM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。此外，本文提出了一种阈值引导策略，以进一步提高生成性能。 近年来，脉冲神经网络（Spiking Neural Networks, SNNs）因其超低能耗和高生物可塑性相比传统人工神经网络（Artificial Neural Networks, ANNs）而受到关注。 ………………………………