sampling speed | BriefGPT - AI 论文速递

关键词sampling speed

搜索结果 - 8

TEDi 策略：时域纠缠扩散用于机器人控制
使用 Temporally Entangled Diffusion (TEDi) 框架，改进基于扩散的策略提取和训练，在保持性能的同时大幅提升采样速度。
PDFa month ago
医学图像生成的快速去噪扩散概率模型
Fast-DDPM 是一种简单而有效的方法，可同时提高训练速度、采样速度和生成质量，通过仅使用 10 个时间步进行训练和采样，相比 DDPM，Fast-DDPM 能够在医学图像生成任务中优于基于卷积网络和生成对抗网络的当前最先进方法，并将训
PDFa month ago
多步骤一致性模型
多步一致性模型是一种介于一致性模型和扩散模型之间的统一方法，通过增加采样步骤可以更容易地训练出高质量样本，保持了大部分采样速度的优势。
PDF4 months ago
将扩散模型的 ODE 求解器提炼为更小的步骤
提出了一种简单的蒸馏方法，通过优化 ODE 求解器而不是训练去噪网络，来提高扩散模型的采样速度和图像质量。通过蒸馏过程，D-ODE 求解器在生成样本时优于其他 ODE 求解器。
PDF9 months ago
CoMoSpeech: 一步语音和歌唱声音合成的一致性模型
本文提出了一种基于一致性模型的语音合成方法 CoMoSpeech，采用单一扩散采样步骤实现语音合成。实验表明，CoMoSpeech 的推理速度比现实时间快 150 倍以上，并且在文本转语音和歌唱声音合成方面具有最佳音频质量。
PDFa year ago
基于 ODE 的生成模型轨迹曲率最小化
该论文提出了一种基于 curvature minimization 的有效的 ODE / SDE 学习方法，能够在不需要多次神经网络评估的情况下减少生成轨迹的曲率，从而减少采样成本并保持了竞争性性能。
PDFa year ago
ProDiff：高质量语音合成的渐进式快速扩散模型
本文提出了一种名为 ProDiff 的文本到语音模型，它利用渐进式快速扩散模型直接预测干净数据来减少扰动模型迭代次数，从而提高高质量的音频语音合成速度。使用基于 GPU 硬件的 ProDiff 模型可以实现 24 倍于实时速度的语音合成，相
PDF2 years ago
迭代生成模型中的知识蒸馏以提高采样速度
本篇论文介绍了一种新的技术，将多步去噪过程压缩为单步的知识蒸馏方法，从而提高图像生成的采样速度，且不需要对抗训练，通过在 CIFAR-10、CelebA 数据集上的实验表明，我们的去噪学生 Denoising Student 能够生成与 G
PDF3 years ago