DC-AE 1.5: 利用结构化潜空间加速扩散模型收敛
计算机视觉与模式识别
2025-08-04 v1 人工智能
摘要
我们提出DC-AE 1.5，一种用于高分辨率扩散模型的新型深度压缩自编码器系列。增加自编码器的潜通道数是提高其重建质量的一种非常有效的方法。然而，这会导致扩散模型收敛缓慢，尽管重建质量更好，但生成质量却更差。这个问题限制了潜扩散模型的质量上限，并阻碍了具有更高空间压缩比的自编码器的使用。我们引入了两项关键创新来应对这一挑战：i) 结构化潜空间，一种基于训练的方法，用于在潜空间上施加所需的通道结构，其中前部潜通道捕获对象结构，后部潜通道捕获图像细节；ii) 增强扩散训练，一种增强的扩散训练策略，在对象潜通道上增加额外的扩散训练目标以加速收敛。利用这些技术，DC-AE 1.5比DC-AE实现了更快的收敛和更好的扩散缩放结果。在ImageNet 512x512上，DC-AE-1.5-f64c128在比DC-AE-f32c32快4倍的同时，提供了更好的图像生成质量。代码：https://github.com/dc-ai-projects/DC-Gen。
引用
@article{arxiv.2508.00413,
title = {DC-AE 1.5: Accelerating Diffusion Model Convergence with Structured Latent Space},
author = {Junyu Chen and Dongyun Zou and Wenkun He and Junsong Chen and Enze Xie and Song Han and Han Cai},
journal= {arXiv preprint arXiv:2508.00413},
year = {2025}
}
备注
ICCV 2025