观测校正Koopman框架加速扩散采样
热点事件持续更新
观测校正Koopman框架加速扩散采样
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Hanru Bai、Yuanchao Xu、Fengyi Li 提出一种观测校正的 Koopman 框架，用于加速冻结的扩散模型采样：不修改生成模型参数，而是用浅层网络特征的实时测量去校正对深层特征的预测。 论文称，在 CIFAR-10 和 ImageNet 十类子集上（各 3 次 10,000 张图像运行），配对 Inception 特征 MSE 相对通道仿射预测分别降低 19.9% 和 11.9%，其中观测校正本身贡献 4.54% 和 4.67%；同一四步部分调度下，对 DDIM-50 的实测加速为 1.89 倍和 1.85 倍。该方案需周期性全量评估来刷新观测器，且不重新训练去噪器。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
Koopman 观测器加速扩散模型：用浅层特征校正深层特征预测报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGKoopman 观测器加速扩散模型：用浅层特征校正深层特征预测
研究者提出一种观测校正的 Koopman 框架，可在不改变冻结扩散模型参数的前提下加速采样：用浅层网络特征的实时测量来校正深层特征的预测。在 CIFAR-10 和 ImageNet 十类子集上（各 3 次 10,000 张图像运行），配对 Inception 特征 MSE 相对通道仿射预测分别降低 19.9% 和 11.9%，其中观测校正贡献 4.54% 和 4.67%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。