研究人员开发了 AsyncPatch Diffusion，一种新颖的图像生成框架，它允许图像的不同空间区域在不同的时间表上进行去噪。与标准的扩散模型相比，这种方法能够实现更灵活和空间自适应的生成。该方法在 ImageNet 和 LSUN 等基准测试中取得了具有竞争力的生成质量，并且在不进行特定任务微调的情况下，对于图像修复任务特别有效。 AI
影响 引入了一种新的扩散模型技术，提高了图像修复和空间自适应生成的能力。
排序理由 该集群包含一篇详细介绍新图像生成方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.07079v1 Announce Type: new Abstract: Standard diffusion models corrupt an entire sample with a single shared noise level, forcing all spatial regions to follow the same denoising trajectory. We introduce AsyncPatch Diffusion, a joint-diffusion framework that assigns di…
Standard diffusion models corrupt an entire sample with a single shared noise level, forcing all spatial regions to follow the same denoising trajectory. We introduce AsyncPatch Diffusion, a joint-diffusion framework that assigns distinct noise levels to different input dimension…