一步文本图像生成中的长短导向分数身份蒸馏
原文中文，约400字，阅读约需1分钟。发表于：。通过发展长短分类器无指导（LSG）的方法，我们改进了基于得分身份蒸馏（SiD）的稳定扩散模型，该模型在不使用真实训练数据的情况下，通过单步生成器合成的虚假图像进行培训，迅速提高了 FID 和 CLIP 得分，实现了最先进的 FID 性能，并保持有竞争力的 CLIP 得分。
该文章介绍了一种名为Score identity Distillation（SiD）的创新方法，将预训练扩散模型的生成能力提炼到一个单步生成器中。SiD算法在蒸馏过程中表现出高迭代效率，并在生成质量方面超越了竞争方法。这一成就重新定义了扩散蒸馏中效率和效果的基准，并在扩散生成领域中具有重要意义。
