一步扩散通过捷径模型 Kevin Frans, Danijar Hafner, Sergey Levine, Pieter Abbeel 论文链接 网站链接 概要 扩散是机器学习中的一个重要问题,它涉及到如何在数据集中找到相关的数据。
一步扩散通过捷径模型 Kevin Frans, Danijar Hafner, Sergey Levine, Pieter Abbeel 论文链接 网站链接 概要 扩散是机器学习中的一个重要问题,它涉及到如何在数据集中找到相关的数据。
扩散模型和流匹配模型通过学习将噪声传递到数据来生成多样化和逼真图像。然而，从这些模型中采样需要在多次迭代中进行降噪，使生成过程变得缓慢且昂贵。以前的加速采样方法需要复杂的训练模式，例如多个训练阶段、多个网络或不稳定的调度。我们提出了捷径模型，这是一系列生成模型，它们使用单个网络和训练阶段来在单个或多个采样步骤中生成高质量的样本。捷径模型不仅将网络的条件设置为当前的噪声水平，还将其设置为所需的步长，从而允许模型在生成过程中跳过某些步骤。在各种不同的采样步长预算下，捷径模型始终能够生成比以前的方法（例如一致性模型和重流）质量更高的样本。与蒸馏相比，捷径模型将复杂性降低到单个网络和训练阶段，并且在推理时还允许变化的步长预算。
此代码库使用 JAX 编写,并在 TPU-v3 机器上开发。首先,您应该安装 environment.yml 和 requirements.txt 中的 conda 依赖项。为了加载数据集,我们使用 TFDS,您可以在 https://github.com/kvfrans/tfds_builders 中查看我们的特定数据加载器,当然您也可以自由使用 y
暂无开放 Issues，或尚未同步最近议题。