站长之家(ChinaZ.com)12月7日 消息:MIT和Adobe的研究人员最近提出了一种新颖的人工智能方法,称之为分布匹配蒸馏(DMD),该方法旨在将扩散模型转化为一步图像生成器,从而显著提高图像生成的效率和质量。据称他们的一步生成器(Gθ)在生成逼真图像方面不仅与 StableDiffusion v1.5相媲美,而且速度更快30倍。
创新方法方面,传统的扩散模型在图像生成方面取得了巨大的进展,但其采样过程相对繁琐,需要通过逐步去噪的迭代过程逐渐减少高斯噪声样本中的噪声,这限制了生成管道作为创意工具时的交互性。与此不同,DMD方法通过将初始多步扩散采样找到的噪声→图像映射压缩成单通道学生网络,加速采样过程。通过这一创新,DMD成功解决了高昂的神经网络评估成本的问题,使得一步生成器在多项任务上表现优越。
在数据优化方面,研究团队通过在文本到图像数据上进行精细调整,不仅学习了数据分布,还学习了蒸馏生成器正在产生的虚构分布。这一方法通过利用预训练扩散模型的去噪扩散输出来解释梯度方向,从而推动人工生成图像向更真实和 less 虚构的方向发展。
性能超越方面,DMD在多项任务中都取得了令人瞩目的成绩。在ImageNet上,其FID指标达到2.62,比一致性模型提升了2.4倍。
此外,DMD在MS COCO2014-30k上获得了11.49的竞争性FID,同时保持了与更昂贵的Stable Diffusion模型相媲美的图像质量。值得注意的是,DMD方法在减少神经网络评估次数的同时,能够在FP16推断下以每秒20帧的速度生成512×512的图像,为交互式应用开辟了许多可能性。
研究团队通过结合分布匹配方法、GANs和pix2pix的灵感和见解,展示了DMD方法如何通过使用扩散模型来建模真实和虚构分布,并通过简单的回归损失匹配多步扩散输出,训练出高保真的一步生成模型。通过在多个任务上的验证,DMD一步生成器在各项基准测试中均表现优异,包括一致性模型、渐进蒸馏和矫正流等。
这一研究为图像生成领域带来了崭新的可能性,通过创新的方法,使得生成模型在效率和质量方面都取得了显著提升。
项目网址:https://tianweiy.github.io/dmd/
论文网址:https://arxiv.org/abs/2311.18828
MIT与Adobe联手开发DMD:生成图像质量媲美Stable Diffusion ,速度快30倍
来源:网络推荐 浏览:181次 时间:2023-12-07
推荐资讯
- 国家卫健委政务服务平台登录入口zwfw.nhc.gov.cn/personal/login
- 黄河交通学院学生综合服务平台登录入口https://xg.zjtu.edu.cn/#/login
- 山东省智慧科协业务服务平台登录入口https://smart.sdast.org.cn/login
- 中山市智慧党校管理服务平台登录入口https://zhdx.zsswdx.gov.cn/login
- 江苏省中小企业公共服务平台登录入口https://yalvji.smejs.cn/login
- 浙江大学国际学生生活服务平台登录dorm.zju.edu.cn/login.action
- 无线路由器怎么改密码?tplogin.cn(部分路由器为192.168.1.1)
- 华为激活设备自助申诉结果查询入口selfhelp-drcn.platform.dbankcloud.cn/ws/sh/search
- 小米查找设备(账号锁)申诉解锁入口i.mi.com/find/device/activationlock
- 荣耀查找设备自助申诉入口 https://cloud.honor.com/findmydevice/wiseoper.html
- vivo设备申诉解锁入口https://deviceappeal.vivo.com.cn
- OPPO申诉激活设备解锁码入口find.oppo.com/findappeal
- 苹果iPhone激活锁申诉入口(Apple查找设备入口www.icloud.com/find)
- 河南省企业登记全程电子化服务平台登录入口
- 安心筑企业服务平台登录入口 https://cms.axzo.cn/login
- 顺丰企业服务平台登录入口https://v.sf-express.com/web/laas/home
