AIGC動態(tài)歡迎閱讀

原標(biāo)題：生成擴(kuò)散模型漫談：信噪比與大圖生成
關(guān)鍵字：模型,解讀,圖像,分辨率,高分辨率
文章來源：算法邦
內(nèi)容字?jǐn)?shù)：8036字

內(nèi)容摘要：

導(dǎo)讀本文作者為蘇劍林，來自月之暗面。這篇文章介紹了 Simple Diffusion，這是一篇探索如何直接在 Pixel 空間中端到端地訓(xùn)練圖像擴(kuò)散模型的工作，利用了信噪比的概念介紹了高分辨率擴(kuò)散模型的訓(xùn)練效率低問題，并由此來指標(biāo)調(diào)整新的 noise schedule，以及探索了如何盡可能節(jié)約算力成本地 scale up 模型架構(gòu)。盤點主流的圖像擴(kuò)散模型作品，我們會發(fā)現(xiàn)一個特點：當(dāng)前多數(shù)做高分辨率圖像生成（下面簡稱“大圖生成”）的工作，都是先通過 Encoder 變換到 Latent 空間進(jìn)行的（即 LDM，Latent Diffusion Model [1] ），直接在原始 Pixel 空間訓(xùn)練的擴(kuò)散模型，大多數(shù)分辨率都不超過 6464，而恰好，LDM 通過 AutoEncoder 變換后的 Latent，大小通常也不超過 6464。
這就自然引出了一系列問題：擴(kuò)散模型是不是對于高分辨率生成存在固有困難？能否在 Pixel 空間直接生成高分辨率圖像？
論文《Simple diffusion: End-to-end diffusion for high resolution image

原文鏈接：生成擴(kuò)散模型漫談：信噪比與大圖生成

聯(lián)系作者

文章來源：算法邦
作者微信：allplusai
作者簡介：智猩猩矩陣賬號之一，連接AI新青年，講解研究成果，分享系統(tǒng)思考。