研究人员发现了一个关键原因,导致蒸馏扩散模型的多样性崩溃,即从不同种子生成的样本变化很小。他们发现,虽然蒸馏模型保留了激活方差,但这种方差集中在更少的方向上,尤其是在初始去噪步骤的中间块中。为了解决这个问题,他们提出了ReDiverse方法,该方法通过微调一个轻量级适配器来恢复教师模型的特征方差特性,或者在推理时使用无需训练的机制,沿着预先计算的教师主方向引导激活。这种方法在图像和视频生成基准测试中成功恢复了样本多样性,同时保持了生成质量。 AI
影响 解决了蒸馏生成模型的一个关键限制,有望提高AI生成内容的效率和样本质量。
排序理由 研究论文,详细介绍了一种提高AI模型性能的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- ReDiverse
- ReDiverse-FT
- ReDiverse-TF
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →