重温扩散自编码器训练：提升图像重构质量

扩散自编码器（DAEs）通常被建模为噪声预测模型，并使用线性 $\beta$ 噪声计划进行训练，该计划在高噪声水平阶段耗尽了大量采样步骤。由于高噪声水平与恢复大尺度图像结构相关，而低噪声水平则与恢复细节相关，这种配置可能导致低质量和模糊的图像。然而，由于潜在码本就包含结构信息，应该可以在花费更少的步骤恢复结构的情况下提高细节质量。基于这一洞察，我们提出了一种新的 DAE 训练方法，以提高重构图像的质量。我们将训练分为两个阶段。在第一个阶段，DAE 被训练为一个普通的自编码器，通过始终将噪声水平设置为最高值，迫使编码器和解码器填充潜在码以包含结构信息。在第二个阶段，我们引入噪声计划，在低噪声区域耗费更多时间，使 DAE 学习如何完善细节。我们的方法生成的图像在保持潜在码有用属性的同时，拥有准确的高层次结构和低层次细节。