简单、快速、低成本、强大！高分辨率图像生成扩散外推方法CutDiffusion发布！

摘要

本文介绍了一种新的无调优扩散外推方法CutDiffusion，旨在提高大预训练低分辨率扩散模型以满足高分辨率图像生成需求的效率和性能。CutDiffusion通过简化和加速扩散外推过程，实现了简单的方法构建、快速推理速度、降低GPU成本和强大的生成性能。

主要贡献

• 提出了CutDiffusion方法，通过将标准的patch扩散过程分为初步的全面结构去噪和后续的特定细节改进两个阶段，无需复杂调整即可生成高质量的高分辨率图像。
• 通过实验验证了CutDiffusion在简单性、推理速度、GPU成本和生成性能上的优势。

方法与框架

CutDiffusion框架的核心在于两阶段生成过程：首先是全面结构去噪阶段，通过随机采样多个不重叠的patch并进行去噪；随后是特定细节精炼阶段，通过重叠patch的去噪来细化局部细节。

实验结果

实验表明，CutDiffusion在生成高分辨率图像方面表现出色，相对于其他方法具有更快的推理速度、更低的GPU成本，且在生成性能上达到或超过了其他方法。

限制与未来工作

CutDiffusion虽然在多个方面表现出色，但其生成的图像质量仍依赖于预训练的扩散模型，并且在第二阶段的细节精炼中仍需要多个patch。未来的工作可能会探索进一步提高推理速度的方法。

结论

CutDiffusion作为一种扩散外推方法，通过简化的方法构建和高效的两阶段生成过程，在高分辨率图像生成领域展现了其强大的潜力。