Imagen 및 DALL-E 2가 확산을 생성 이미지의 기본값으로 설정하기 전에 이 Google Brain 문서에서는 이후의 많은 텍스트-이미지 시스템에서 조용히 차용한 계단식 확산 방식을 제시했습니다. 작은 저해상도 확산 모델로 시작한 다음 그 위에 초해상도 확산 모델을 연결하여 업샘플링합니다. 키커는 Conditioning Augmentation이라는 기술로, 스테이지 간 복합 오류를 방지하고 256x256에서 Blury Mush와 4.88 FID의 차이로 밝혀졌습니다.

Ho et al. 캐스케이드 설계, 이를 견고하게 만드는 노이즈 조절 트릭, BigGAN-deep 및 VQ-VAE-2를 직접 비교한 ​​ImageNet 벤치마크 결과를 자세히 살펴봅니다. 음성 사용자는 주의해야 합니다. 계단식 생성은 이제 점점 더 자연스러운 파형을 합성하기 위해 다단계 확산이 사용되는 TTS 및 신경 오디오 코덱으로 마이그레이션되고 있습니다. 최신 오디오 확산 작업을 다루기 전에 기초를 다지고 싶다면 모든 구성 요소에 대한 심층 분석을 살펴보세요.