DeeDiff是一个早期退出框架，用于提高扩散模型的生成效率。该方法引入基于时间步长的不确定性估计模块，根据不同层的预测不确定性来决定推断的终止。实验表明，该方法在扩散模型上实现了最先进的性能和效率平衡，并且对于CIFAR-10和Celeb-A数据集甚至带来了额外的收益。