分分钟内完成：基于粗粒度到细粒度采样的加速 DDPM 图像修复
原文中文，约400字，阅读约需1分钟。发表于：。提出了一种基于 DDPM 的高效图像修复方法，包括三种加速策略：使用轻量级扩散模型（LWDM）减少参数数量、引入 DDIM 的跳步采样方案用于去噪过程、通过减少图像分辨率和减少去噪步骤来加速推理的 CFE 方案，经过广泛实验在面部和通用图像修复任务中实现了与竞争方法相当的 60 倍加速性能。
本文介绍了直接去噪扩散模型（DDDM），一种生成逼真图像的简单且通用方法。DDDM不需要精心设计的采样器或预训练的蒸馏模型，通过考虑前一时间步生成的样本来引导迭代生成过程。该方法在基准数据集上表现出强大的性能，超越了GAN和蒸馏基模型。在ImageNet 64x64上，与主要模型相当。
