BriefGPT.xyz
大模型
Ask
alpha
关键词
denoising steps
搜索结果 - 6
Adv-KD: 教师对抗知识蒸馏以加速扩散采样
通过将去噪步骤直接整合到模型的架构中,本研究提出了一种新方法,将扩散模型与生成对抗网络结合起来,通过知识蒸馏实现更高效的训练和评估,从而减少了所需的参数和去噪步骤,提高了测试时的采样速度。
PDF
a month ago
FRDiff: 精细的零编码加速扩散模型的特征复用
引入一种高级加速技术 ——FRDiff,通过利用扩散模型中固有的时间冗余,重复使用具有高时间相似性的特征图,实现了在各种生成任务中在保真度和延迟折衷之间平衡的 Pareto 前沿。
PDF
7 months ago
AdaDiff:自适应步长选择的快速扩散
AdaDiff 是一个轻量级框架,通过学习实例特定的步骤使用策略,优化了扩散模型的图像 / 视频生成过程,以最大化平衡推理时间和生成质量的回报函数,并在减少推理时间至少 33% 的情况下实现与基准方法相似的视觉质量。
PDF
7 months ago
利用时间步调节器实现更准确的扩散模型加速
我们提出了一种时间步齐器方法,用于改善扩散模型的图像生成质量和推理速度,通过在每个去噪步骤中替换原始参数化,将网络调整到准确的时间步骤上,从而提高各种最先进加速方法的性能。
PDF
9 months ago
扩散模型的并行采样
本文介绍了一种新的方法 ParaDiGMS,通过并行执行多个去噪步骤来加速预训练扩散模型的采样速度。该方法通过使用 Picard 迭代猜测未来去噪步骤的解,并迭代地进行加工,从而使扩散采样过程可以并行化,使计算机可用性更高。使用 ParaD
→
PDF
a year ago
关于引导式扩散模型的精馏
本文介绍了一种将分类器自由引导扩散模型蒸馏为更快采样的方法,以减少推理时间,并取得了与原始模型相当的图像有效性。
PDF
2 years ago
Prev
Next