我们提出了一种有效的去噪扩散模型，用于生成高分辨率图像。该模型在小尺寸图像块上训练，通过特征拼贴预测移位图像块的特征，实现整个图像的无缝生成。与经典的扩散模型相比，Patch-DM还减少了内存复杂度。

通过引入可分解的关注机制，将注意力机制的计算和内存复杂度降低到O(N)，并保持了注意力矩阵的完整表示，具有稀疏性和全连接关系。测试结果表明，注意力机制具有稳定的性能，并在多种应用领域中具有重要潜力。

介绍了Patch-DM算法用于生成高分辨率图像，通过特征拼贴策略预测移位图像块特征，实现无缝生成，获得高质量的图像合成结果并减少内存复杂度。