高频率促进适应（HiPA）是一种高效的图像生成方法，通过低秩适配器提升扩散模型的高频能力。研究表明，HiPA在文本到图像生成中表现优越，训练速度显著提高。该方法结合人类偏好，优化生成模型，增强图像的视觉吸引力和文本对齐性。此外，研究还提出了新颖的蒸馏方法和个性化文本到图像生成框架，进一步提升了模型的灵活性和适应性。

高频率促进适应（HiPA）是一种参数高效的方法，通过训练一步、低秩适配器来增强先进扩散模型中高频率能力的不足，使其能够在单一步骤中生成高质量图像。与渐进蒸馏相比，HiPA 在一步文本到图像生成中具有更好的性能（FID-5k 在 MS-COCO 2017 上从 37.3 降至 23.8），并具有 28.6 倍的训练加速（108.8 到 3.8 A100 GPU 天），仅需要 0.04％的训练参数（77.4 亿降至 330 万）。