流形保持引导扩散
原文中文,约300字,阅读约需1分钟。发表于: 。提出了 Manifold Preserving Guided Diffusion (MPGD),实现了一种无需训练的条件生成框架,利用预训练扩散模型和现成的神经网络,具有最小的附加推断成本,适用于各种条件生成应用,提供了高样本品质和高达 3.8 倍的速度提升。
利用Steered Diffusion框架实现逼真零样本条件图像生成,改进了修补、着色、语义编辑和图像超分辨率,计算成本低。
提出了 Manifold Preserving Guided Diffusion (MPGD),实现了一种无需训练的条件生成框架,利用预训练扩散模型和现成的神经网络,具有最小的附加推断成本,适用于各种条件生成应用,提供了高样本品质和高达 3.8 倍的速度提升。
利用Steered Diffusion框架实现逼真零样本条件图像生成,改进了修补、着色、语义编辑和图像超分辨率,计算成本低。