Fast-DiM：迈向快速扩散变形
计算机视觉与模式识别
2024-07-02 v3 机器学习
摘要
扩散变形（DiM）是近期一种用于创建高质量人脸变形的最优方法；然而，它们需要大量的网络函数评估（NFE）来创建变形。我们提出了一种新的 DiM 流程，Fast-DiM，它能以更少的 NFE 创建质量相近的变形。我们研究了用于求解概率流 ODE 的 ODE 求解器及其对人脸变形创建的影响。此外，我们采用一种替代方法，通过正向时间求解概率流 ODE 将图像编码进 Diffusion 模型的潜空间。我们的实验表明，在编码过程中我们可以将 NFE 减少 85% 以上，而仅经历 1.6% 的配对变形呈现匹配率（MMPMR）下降。同样，我们展示了在采样过程中可将 NFE 减半，而 MMPMR 最多仅降低 0.23%。
引用
@article{arxiv.2310.09484,
title = {Fast-DiM: Towards Fast Diffusion Morphs},
author = {Zander W. Blasingame and Chen Liu},
journal= {arXiv preprint arXiv:2310.09484},
year = {2024}
}
备注
Accepted as a paper in IEEE Security and Privacy