Difusão Fria: Invertendo Transformações Arbitrárias de Imagem Sem Ruído

Modelos de difusão padrão envolvem uma transformação de imagem -- adicionando ruído gaussiano -- e um operador de restauração de imagem que inverte essa degradação. Observamos que o comportamento gerativo dos modelos de difusão não depende fortemente da escolha da degradação da imagem e, na verdade, uma família inteira de modelos gerativos pode ser construída variando essa escolha. Mesmo ao usar degradações completamente determinísticas (por exemplo, desfoque, mascaramento e mais), as regras de atualização durante o treinamento e teste que fundamentam os modelos de difusão podem ser facilmente generalizadas para criar modelos gerativos. O sucesso desses modelos totalmente determinísticos coloca em questão a compreensão da comunidade sobre os modelos de difusão, que se baseia em ruído, seja nas dinâmicas de Langevin de gradiente ou na inferência variacional, e abre caminho para modelos de difusão generalizados que invertem processos arbitrários. Nosso código está disponível em https://github.com/arpitbansal297/Cold-Diffusion-Models