Sig-DEG扩散模型蒸馏论文发布修订版

Wen Ge等作者发布了Sig-DEG扩散模型蒸馏方法的论文修订版。该方法结合部分签名与循环结构近似随机微分方程解，把预训练扩散模型的蒸馏转化为监督学习，在粗时间网格上匹配教师模型的精细轨迹。 作者称，在图像和时间序列生成实验中，Sig-DEG达到与教师模型相当的样本质量，推理速度最高提升数百倍；一个薛定谔桥示例还显示其可应用于扩散蒸馏之外。上述效果均为论文报告的结果。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。