Core Concepts
単一ステップの拡散モデルを使用して、新しいタスクやドメインに適応する方法を紹介します。
Abstract
既存の条件付き拡散モデルの制限に対処するため、1ステップの画像から画像への翻訳手法を導入。
新しいタスクやドメインに適応するために、事前トレーニングされた1ステップ拡散モデルを効率的に適用。
テキストから画像生成まで幅広いアプリケーションで優れた結果を示す。
導入
条件付き拡散モデルは、空間条件とテキストプロンプトに基づいて画像生成を可能にする。
しかし、イテレーションが多いため推論が遅く、大規模なペアデータセットが必要。
方法
1ステップの画像から画像への翻訳手法を導入。
入力実画像から目的のターゲット領域へ変換する方法を探る。
異なる条件付け方法や詳細保存方法など検証。
実験結果
CycleGAN-Turboは既存のGANおよび拡散ベース手法よりも優れた結果を示す。
構造保存性能が向上し、高速な推論時間で実用的。
Stats
SD-Turbo [54]という事前トレーニング済みの1ステップ拡散モデル
Quotes
"特定タスクやドメインに対して新しいコントロール直接追加"
"高周波数詳細情報保持"