本文提出了一种新的自级联扩散模型，用于快速生成高分辨率图像和视频。该模型利用低分辨率模型的知识，通过多尺度上采样器模块适应更高的分辨率，并提高局部结构细节。实验证明，该方法训练速度提高了5倍，仅需额外的0.002M调优参数。