Cascaded Diffusion Models for High Fidelity Image Generation

管道(软件) 计算机科学 忠诚 人工智能 水准点(测量) 高保真 扩散 分辨率(逻辑) 样品(材料) 图像(数学) 图像质量 算法 模式识别(心理学) 计算机视觉 工程类 物理 地理 程序设计语言 电气工程 热力学 电信 大地测量学
作者
Jonathan Ho,Chitwan Saharia,William Chan,David J. Fleet,Mohammad Norouzi,Tim Salimans
出处
期刊:Cornell University - arXiv 被引量:341
标识
DOI:10.48550/arxiv.2106.15282
摘要

We show that cascaded diffusion models are capable of generating high fidelity images on the class-conditional ImageNet generation benchmark, without any assistance from auxiliary image classifiers to boost sample quality. A cascaded diffusion model comprises a pipeline of multiple diffusion models that generate images of increasing resolution, beginning with a standard diffusion model at the lowest resolution, followed by one or more super-resolution diffusion models that successively upsample the image and add higher resolution details. We find that the sample quality of a cascading pipeline relies crucially on conditioning augmentation, our proposed method of data augmentation of the lower resolution conditioning inputs to the super-resolution models. Our experiments show that conditioning augmentation prevents compounding error during sampling in a cascaded model, helping us to train cascading pipelines achieving FID scores of 1.48 at 64x64, 3.52 at 128x128 and 4.88 at 256x256 resolutions, outperforming BigGAN-deep, and classification accuracy scores of 63.02% (top-1) and 84.06% (top-5) at 256x256, outperforming VQ-VAE-2.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
量子星尘发布了新的文献求助10
1秒前
xyzlancet完成签到,获得积分10
2秒前
脑洞疼应助科研通管家采纳,获得10
2秒前
英俊的铭应助科研通管家采纳,获得30
2秒前
ZhouYW完成签到,获得积分10
2秒前
量子星尘发布了新的文献求助10
6秒前
Behappy完成签到 ,获得积分10
7秒前
Joy完成签到,获得积分10
10秒前
11秒前
hml123完成签到,获得积分10
11秒前
勤恳的嚓茶完成签到,获得积分10
11秒前
青衫完成签到 ,获得积分10
12秒前
Liang完成签到,获得积分10
13秒前
黄橙子完成签到 ,获得积分10
14秒前
courage完成签到 ,获得积分10
15秒前
T_MC郭完成签到,获得积分10
15秒前
量子星尘发布了新的文献求助10
15秒前
韭菜盒子发布了新的文献求助10
17秒前
hdbys完成签到,获得积分10
18秒前
英俊水池完成签到,获得积分10
18秒前
太清完成签到 ,获得积分10
18秒前
量子星尘发布了新的文献求助10
21秒前
21秒前
短巷完成签到 ,获得积分10
21秒前
流沙无言完成签到 ,获得积分10
22秒前
萝卜丁完成签到 ,获得积分0
23秒前
ylyao完成签到,获得积分10
25秒前
今后应助韭菜盒子采纳,获得10
25秒前
努力的宝汁完成签到 ,获得积分10
26秒前
思源应助lee采纳,获得30
26秒前
leaf完成签到 ,获得积分10
26秒前
DY完成签到,获得积分10
27秒前
27秒前
不吃鱼的猫完成签到,获得积分10
30秒前
jin完成签到,获得积分10
31秒前
Java完成签到,获得积分10
31秒前
量子星尘发布了新的文献求助10
32秒前
奋斗奋斗再奋斗完成签到 ,获得积分10
33秒前
byby完成签到,获得积分10
34秒前
专通下水道完成签到 ,获得积分10
34秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
Statistical Methods for the Social Sciences, Global Edition, 6th edition 600
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
ALUMINUM STANDARDS AND DATA 500
Walter Gilbert: Selected Works 500
岡本唐貴自伝的回想画集 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3666490
求助须知:如何正确求助?哪些是违规求助? 3225504
关于积分的说明 9763298
捐赠科研通 2935329
什么是DOI,文献DOI怎么找? 1607634
邀请新用户注册赠送积分活动 759289
科研通“疑难数据库(出版商)”最低求助积分说明 735214