本文介绍了一种将复杂的多步扩散模型提炼为单步有条件生成对抗网络学生模型的方法，以加速推理过程并保持图像质量。该方法通过图像到图像转换任务和扩散模型的噪声到图像对，将扩散提炼解释为图像转换任务。实验证明该方法在零样本 COCO 基准测试上优于最先进的一步扩散提炼模型。

该研究提出了一种将复杂的多步扩散模型转化为单步有条件生成对抗网络学生模型的方法，以加速推理过程并保持图像质量。通过将扩散模型解释为图像到图像转换任务，并使用扩散模型ODE轨迹的噪声到图像对，实现了高效的回归损失计算。此外，通过改进扩散模型，构建多尺度鉴别器，并建立有效的基于条件生成对抗网络的公式，该方法在零样本COCO基准测试中优于最先进的扩散提炼模型。

本文介绍了一种将复杂的多步扩散模型提炼为单步有条件生成对抗网络学生模型的方法，以加速推理过程并保持图像质量。该方法使用扩散模型的噪声到图像对进行图像转换任务，并提出了一种在扩散模型潜空间中操作的感知损失。实验证明该方法在零样本 COCO 基准测试上优于最先进的一步扩散提炼模型。