ConvRefiner

新的MFlow参数化增强了像素扩散模型

研究人员引入了MFlow，一种像素空间扩散模型的自适应参数化方法，该方法学习在干净图像预测和速度预测之间进行插值。该方法旨在通过适应数据表示和模型容量来提高在ImageNet和UCF-101等各种数据集上的生成性能。为了解决生成图像中持续存在的高频缺陷，该研究还提出了ConvRefiner，一个轻量级的卷积模块，可以在不改变扩散主干的情况下，事后恢复高频统计信息。