相信很多大家對NVIDIA 自動引導技術(shù)：改善擴散模型中的圖像質(zhì)量和變化還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

站長之家（ChinaZ.com）6月7日 消息:NVIDIA 近期提出了一種名為自動引導的新方法，旨在改善擴散模型中圖像的質(zhì)量和變化，而不影響其與給定條件（如類標簽或文本提示）的一致性。當前的方法通常會以犧牲多樣性為代價來提高圖像質(zhì)量，從而限制了它們在醫(yī)學診斷和自動駕駛等各種現(xiàn)實場景中的適用性。然而，克服這一挑戰(zhàn)可以提升人工智能系統(tǒng)在生成逼真且多樣化圖像方面的性能，推動當前人工智能能力的邊界。

目前解決這一挑戰(zhàn)的方法主要是使用無分類器引導（CFG），它使用無條件模型來引導有條件模型。雖然 CFG 改善了提示對齊和圖像質(zhì)量，但降低了圖像變化。這種權(quán)衡發(fā)生在圖像質(zhì)量和變化的影響在本質(zhì)上是糾纏在一起的，難以獨立控制它們。此外，CFG 局限于有條件生成，并存在任務(wù)差異問題，導致圖像構(gòu)成的偏斜和過于簡化的圖像。這些限制影響了方法的性能，并限制了它在生成多樣化和高質(zhì)量圖像方面的應(yīng)用。

NVIDIA 的研究人員提出了一種名為自動引導的新方法，它涉及使用主模型的規(guī)模較小、訓練時間較短的版本來引導生成過程，而不是使用無條件模型。這種方法通過將圖像質(zhì)量與變化解耦，從而更好地控制這些方面，同時保持與主模型相同的條件，確保生成圖像的一致性。這種創(chuàng)新方法顯著提高了圖像生成的質(zhì)量和變化，在 ImageNet-512和 ImageNet-64等基準測試中刷新了記錄，可以應(yīng)用于有條件和無條件模型。

該方法的核心是訓練主模型的規(guī)模較小、訓練時間較短的引導模型。論文詳細介紹了去噪擴散過程，通過反轉(zhuǎn)隨機損壞過程生成合成圖像。研究人員使用 Fréchet Inception Distance（FID）和 FDDINOv2等指標對模型進行評估，結(jié)果顯示圖像生成質(zhì)量有了顯著提高。例如，在 ImageNet-512中使用小模型(EDM2-S)，自動引導將 FID 從2.56提高到1.34，超越了現(xiàn)有方法。

廣泛的定量結(jié)果證明了自動引導的有效性。該方法在公開可用的網(wǎng)絡(luò)上實現(xiàn)了64×64和512×512圖像分辨率的 FID 記錄，表明圖像質(zhì)量有了顯著提升，而沒有犧牲多樣性。評估包括比較不同方法的表格，展示了自動引導在 CFG 和其他基線方法上的優(yōu)越性能。例如，該方法在 ImageNet 數(shù)據(jù)集上實現(xiàn)了87.5% 的準確率，超過了先前的最先進水平。

這種改進擴散模型中圖像質(zhì)量的新方法涉及使用模型的規(guī)模較小、訓練時間較短的引導模型。所提出的自動引導方法克服了像 CFG 這樣的現(xiàn)有方法的局限性。這種創(chuàng)新方法在基準測試中取得了最先進的成績，顯著推進了人工智能研究領(lǐng)域，為生成高質(zhì)量和多樣化圖像提供了更高效、更有效的解決方案。

以上就是關(guān)于【NVIDIA 自動引導技術(shù)：改善擴散模型中的圖像質(zhì)量和變化】的相關(guān)內(nèi)容，希望對大家有幫助！

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！