论文
登录后可查看剩余解析次数。
标签筛选
图像生成
Consistency Models
发表：2023/3/3
一致性模型扩散模型图像生成CIFAR-10数据集图像修复与上色
本文提出一致性模型，以解决扩散模型生成慢的问题。这类模型通过将噪声直接映射到数据，支持极速的一步生成，并允许多步采样以平衡计算和样本质量。此外，一致性模型具备零样本数据编辑能力，无需针对特定任务训练，实验表明其在CIFAR10等数据集上的性能优于现有技术。
02
Inductive Generative Recommendation via Retrieval-based Speculation
发表：2024/10/4
生成式推荐系统无训练加速方法在线推荐系统优化序列推荐系统图像生成
本文提出了，一种基于检索的归纳式生成推荐框架，旨在弥补生成式推荐模型在推荐未见物品时的不足。通过引入具有归纳能力的草拟模型来提出候选物品，并由生成式模型进行验证，显著提升了推荐精准度和性能。
02
Scalable Diffusion Models with Transformers
发表：2022/12/20
扩散模型Transformer架构图像生成大规模扩散模型状态-条件图像生成
本研究提出了一种基于变换器架构的新型扩散模型，称为扩散变换器 (DiTs)，替代了传统的UNet主干。分析表明，模型的前向传播复杂度（以Gflops衡量）与生成质量表现（FID分数）呈反比。最大模型DiTXL/2在ImageNet基准测试中达到了最先进的FID表现，显示出优越的可扩展性与性能。
05
Contrastive Test-Time Composition of Multiple LoRA Models for Image
Generation
发表：2024/3/29
低秩适配微调方法图像生成LoRA模型组合测试时对比融合注意力机制调整
本文提出CLoRA，一种无需训练的测试时方法，动态调整多个LoRA模型的注意力图并生成语义掩码，有效融合多概念图像特征，解决了现有方法中注意力重叠、属性绑错和概念遗漏问题。实验证明CLoRA显著提升多LoRA组合生成图像的准确性和质量。
010