ILVR：去噪扩散概率模型的调节方法
计算机视觉与模式识别
2021-09-16 v2
摘要
去噪扩散概率模型(DDPM)在无条件图像生成中展现了卓越性能。然而，由于DDPM生成过程的随机性，生成具有所需语义的图像颇具挑战。本文提出迭代隐变量精炼(Iterative Latent Variable Refinement, ILVR)，一种基于给定参考图像引导DDPM生成过程以生成高质量图像的方法。此处，DDPM生成过程的精炼使单个DDPM能够依据参考图像从多个集合采样图像。所提ILVR方法在控制生成的同时生成高质量图像。我们方法的可控性允许在各类图像生成任务中无需任何额外学习即可适配单个DDPM，例如从不同下采样因子的生成、多域图像翻译、绘画转图像以及涂鸦编辑。
引用
@article{arxiv.2108.02938,
title = {ILVR: Conditioning Method for Denoising Diffusion Probabilistic Models},
author = {Jooyoung Choi and Sungwon Kim and Yonghyun Jeong and Youngjune Gwon and Sungroh Yoon},
journal= {arXiv preprint arXiv:2108.02938},
year = {2021}
}
备注
ICCV 2021 (oral)