Síntesis de Imágenes de Ultra-Alta Resolución con el Modelo de Difusión Piramidal

Introducimos el Modelo de Difusión Piramidal (PDM), una arquitectura novedosa diseñada para la síntesis de imágenes de ultra-alta resolución. PDM utiliza una representación latente piramidal, proporcionando un espacio de diseño más amplio que permite una compresión perceptual más flexible, estructurada y eficiente, que habilita al AutoEncoder y a la Red de Difusión para dotar a ramas y capas más profundas. Para mejorar las capacidades de PDM en tareas generativas, proponemos la integración de Atención Espacial-Canal y Conexión Res-Skip, junto con la utilización de la Norma Espectral y la Estrategia de Dropout Decreciente para la Red de Difusión y el AutoEncoder. En resumen, PDM logra la síntesis de imágenes con una resolución de 2K por primera vez, demostrado en dos nuevos conjuntos de datos que comprenden imágenes de tamaños 2048x2048 píxeles y 2048x1024 píxeles respectivamente. Creemos que este trabajo ofrece un enfoque alternativo para diseñar modelos generativos de imágenes escalables, al tiempo que proporciona un refuerzo incremental para los marcos existentes.