DBMSolver：基于无训练扩散桥�采样器的高质量图像到图像翻译
计算机视觉与模式识别
2026-05-08 v1 人工智能
机器学习
数值分析
数值分析
摘要
基于扩散的图像到图像（I2I）翻译在高保真生成方面表现优异，但在最先进的扩散桥模型（DBM）中存在采样缓慢的问题，通常需要数十次函数评估（NFE）。我们引入 DBMSolver，一种无训练采样器，通过指数积分器利用 DBM 底层 SDE 和 ODE 的半线性结构，实现高度有效的 1 阶和 2 阶求解。这一方法将 NFE 降低最高可达 5 倍，并提升质量（例如在 20 个 NFE 时，FID 在 DIODE 上的下降幅度为 53%）。在填充、风格化和语义到图像任务中进行实验，分辨率可达256x256，DBMSolver 在效率-质量权衡上达到了新的 SOTA 水平，使其能够在实际场景中应用。我们的代码已公开于 https://github.com/snumprlab/dbmsolver。
引用
@article{arxiv.2605.05889,
title = {DBMSolver: A Training-free Diffusion Bridge Sampler for High-Quality Image-to-Image Translation},
author = {Sankarshana Venugopal and Mohammad Mostafavi and Jonghyun Choi},
journal= {arXiv preprint arXiv:2605.05889},
year = {2026}
}
备注
Accepted to CVPR 2026. Includes supplementary material