複数解像度で画像を生成可能な拡散確率モデル

IPSJ

Search this article

Abstract

拡散モデルは画像生成において最先端の性能を示している．一方で，固定した解像度で訓練された拡散モデルは推論時に解像度を変更すると，画像全体の構造やテクスチャが崩壊し，低品質となる問題を持つ．そこで本研究では，複数解像度での高品質な画像生成を可能とする学習法を提案する．学習時に複数解像度の画像から切り抜いたパッチを用いることによって，画像全体の構造やディテールを学習し，様々な解像度での生成を可能にする．この学習法によって，推論時に学習時よりも高解像度の画像を生成可能であることに加えて，学習に低解像度のパッチを用いることが計算コストの削減に繋がることを明らかにした．

Journal

Keywords

Details 詳細情報について

Report a problem

Back to top