潜在一致性模型:用少量推理步骤合成高分辨率图像
原文中文,约300字,阅读约需1分钟。发表于: 。利用潜在一致性模型(LCMs)解决迭代抽样过程在高分辨率图像合成中的计算负担和生成速度慢的问题,LCMs 通过直接预测导引反向扩散过程的 ODE 解决方案在潜空间中,实现了快速、高保真度的采样。
本文提出了一种使用扩散概率模型的图像合成方法,通过与Langevin动力学的去噪得分匹配进行训练,获得了高质量的结果。该模型在CIFAR10数据集上获得了9.46的Inception得分和3.17的最先进的FID得分,在256x256 LSUN上获得了与ProgressiveGAN相似的样本质量。