金字塔扩散模型：超高分辨率图像合成
计算机视觉与模式识别
2024-03-20 v1
摘要
我们提出金字塔扩散模型（PDM），这是一种用于超高分辨率图像合成的新型架构。PDM利用金字塔潜在表示，提供更广泛的设计空间，使感知压缩能够更灵活、更结构化、更高效，从而为自编码器和扩散网络提供分支和更深层。为增强PDM在生成任务方面的能力，我们提议集成空间-通道注意力和Res-Skip连接，并采用谱范数和递减Dropout策略用于扩散网络和自编码器。总之，PDM首次实现了2K分辨率图像的合成，分别在由2048x2048像素和2048x1024像素构成的两个新数据集上进行验证。我们认为本工作为设计可扩展的图像生成模型提供了一种替代方法，同时为现有框架提供了增量性强化。
引用
@article{arxiv.2403.12915,
title = {Ultra-High-Resolution Image Synthesis with Pyramid Diffusion Model},
author = {Jiajie Yang},
journal= {arXiv preprint arXiv:2403.12915},
year = {2024}
}
备注
Preprint Version