CDM论文讲解

  • 论文标题：Cascaded diffusion models for high fidelity image generation

  • 来源： JMLR 2022

  • 贡献：

    • Cascaded Diffusion Models(CDM)产生的高保真样本在FID评分和分类准确性评分方面优于BigGAN-deep和VQ-VAE-2。
    • 为超分辨率模型引入了条件增强，并发现它对实现高样本保真度至关重要。

1. 方法

  • 整体思想： Classifier Diffusion Models + SR3 + Tricks的串联模型，应用多个不同分辨率的扩散模型实现超分效果。




  • SR3中也提到可以用级联的SR3做生成，本文在此基础上提出条件增强以提高生成质量

1.1 条件增强

  • 截断条件采样：逆向过程中的中间图片Xt输入下一个超分模型（而不是XT，即逆向过程只做一部分）
  • 非截断条件增强：生成XT之后再施加高斯噪声后输入下一个模型

2. 实验

  • 效果比直接级联SR3好
赏

谢谢你请我吃糖果

扫一扫，分享到微信

微信分享二维码

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

很惭愧<br><br>只做了一点微小的工作<br>谢谢大家