快速图像合成的改进分布匹配蒸馏
原文中文,约400字,阅读约需1分钟。发表于: 。通过引入 DMD2 技术,将 Distribution Matching Distillation 应用于一步图像生成,通过 GAN loss 以及多步采样等技巧的改进,在降低推理成本的情况下,取得了在图像生成任务中新的最优结果。
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。