स्कोर पहचान आसवन: पूर्व प्रशिक्षित विसरण मॉडलों के लिए तेजी से आसवन द्वारा एक-चरण उत्पत्ति

हम स्कोर पहचान आसवन (SiD) प्रस्तुत करते हैं, यह एक अभिनव डेटा-रहित विधि है जो पूर्व प्रशिक्षित विसरण मॉडलों की जनरेटिव क्षमताओं को एक एकल-चरण जनरेटर में आसवत करती है। SiD केवल आसवन के दौरान फ्रेचेट उद्घाटन दूरी (FID) में अत्यधिक तेजी से कमी को सुविधाजनक बनाता है, बल्कि यह मूल शिक्षक विसरण मॉडलों के FID प्रदर्शन के करीब पहुँचता है या इसे पार कर लेता है। हम प्रगति विसरण प्रक्रियाओं को अर्द्ध-निहित वितरणों के रूप में फिर से परिभाषित करके तीन स्कोर-संबंधित पहचानों का लाभ उठाते हैं ताकि एक अभिनव हानि तंत्र बनाया जा सके। यह तंत्र जनरेटर को इसकी अपनी संश्लेषित छवियों का उपयोग करके प्रशिक्षित करके तेजी से FID कमी हासिल करता है, वास्तविक डेटा या रिवर्स-विसरण आधारित उत्पत्ति की आवश्यकता को समाप्त करता है, यह सभी महत्वपूर्ण रूप से संक्षिप्त उत्पत्ति समय के भीतर किया जाता है। चार बेंचमार्क डेटासेट्स पर मूल्यांकन करने पर, SiD एल्गोरिदम आसवन के दौरान उच्च पुनरावृत्ति दक्षता प्रदर्शित करता है और प्रतिस्पर्धी आसवन दृष्टिकोणों को पार कर जाता है, चाहे वे एक-चरण या कुछ-चरण हों, डेटा-रहित हों, या प्रशिक्षण डेटा पर निर्भर हों, उत्पत्ति गुणवत्ता के मामले में। यह उपलब्धि न केवल आसवन आसवन में दक्षता और प्रभावशीलता के लिए मानकों को फिर से परिभाषित करती है बल्कि विसरण-आधारित उत्पत्ति के व्यापक क्षेत्र में भी। हमारा PyTorch कार्यान्वयन GitHub पर सार्वजनिक रूप से उपलब्ध होगा।