Key points are not available for this paper at this time.
将扩散模型应用于图像到图像转换（I2I）近年来受到越来越多的关注，因其实际应用前景。之前的尝试在每个去噪步骤中注入源图像的信息以进行迭代优化，从而导致实施过程耗时。我们提出了一种高效的方法，配备一个轻量级翻译器的扩散模型，称为扩散模型翻译器（DMT），以实现I2I。具体而言，我们首先提供理论基础，证明在执行开创性的DDPM工作时，对于I2I任务，只在某些中间步骤传递不同领域的分布既可行又充足。我们进一步观察到，翻译性能在很大程度上取决于用于领域转移的时间步，因此提出了一种实用策略，自动选择适合特定任务的时间步。我们在一系列I2I应用中评估了我们的方法，包括图像风格化、图像着色、图像分割和草图到图像，以验证其有效性和通用性。比较结果显示，我们的DMT在质量和效率上均优于现有方法。代码可在 https://github.com/THU-LYJ-Lab/dmt 获取.
Xia等人（周二）研究了这个问题。