本文提出了一种名为Patch Diffusion的图像生成框架，通过条件分数函数和多尺度训练提高了数据效率，减少了训练时间。该方法解决了高分辨率图像生成中的物体重复和结构问题，展示了低分辨率模型在高分辨率生成中的潜力。Patch-DM算法利用特征拼贴技术实现无缝图像合成，降低了内存复杂度，并在多个数据集上取得了优异结果。

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。

Patch-DM是一种用于生成高分辨率图像的算法，通过特征拼贴来预测移位图像块的特征，实现整个图像的无缝生成。该算法在自然图像数据集和标准基准上产生了高质量的图像合成结果，并在所有四个数据集上获得了最先进的FID分数。