扩散模型也能推理时Scaling，谢赛宁团队重磅研究可能带来文生图新范式

文章预览

↑ 点击 蓝字  关注极市平台 作者丨机器之心 来源丨机器之心 编辑丨极市平台 极市导读   谢赛宁团队探索了扩散模型的推理时scaling情况，发现增加推理时间计算可显著提高样本质量，并提出了一个基础框架，通过搜索去scaling NFE，在各种生成任务和模型规模上带来实质性改进，还确定了验证器和算法两个关键设计轴，对不同验证器与生成任务的匹配度进行了广泛分析，为文生图领域带来了新的研究方向。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 对于 LLM，推理时 scaling 是有效的！这一点已经被近期的许多推理大模型证明：o1、o3、DeepSeek R1、QwQ、Step Reasoner mini…… 但这个说法也适用于扩散模型吗？ 近日，纽约大学谢赛宁领导的一个团队对这一方向进行了探索。具体来说，他们借助通用搜索框架系统性地探索了扩散模型的推理时 scaling ………………………………