[New Models] Support On Distillation of Guided Diffusion Models

(2 commentaires) (3 réactions) (1 personne assignée)Python (836 forks)batch import

good first issuehelp wanted

Métriques du dépôt

Stars: (4 894 étoiles)
Métriques de merge PR: (Aucune PR mergée en 30 j)

Description

Model/Dataset/Scheduler description

Classifier-free guided diffusion models have recently been shown to be highly effective at high-resolution image generation, and they have been widely used in large-scale diffusion frameworks including DALL-E 2, GLIDE and Imagen.

The proposed model is able to generate images visually comparable to that of the original model using as few as 4 sampling steps on ImageNet 64x64 and CIFAR-10, achieving FID/IS scores comparable to that of the original model while being up to 256 times faster to sample from.

Open source status

The model implementation is available
The model weights are available.

Provide useful links for the implementation

Paper： On Distillation of Guided Diffusion Models

Guide contributeur

Direction de recherche: La demande concerne l'implémentation de la technique de distillation issue de l'article 'On Distillation of Guided Diffusion Models'. L'implémentation devrait probablement s'appuyer sur le code de modèle de diffusion existant dans mmagic (par exemple, le pipeline stable diffusion). Le contributeur doit d'abord examiner l'article, puis adapter le code pour la distillation de guidance sans classificateur. Comme la tâche est assignée, il est conseillé de confirmer avec le mainteneur si le travail est toujours ouvert ou si l'assigné y travaille activement.
Stack technique: python
Domaine: ai
Type d'issue: Fonctionnalité
Difficulté: 3
Temps estimé: 3-5 jours
Statut d'activité: Active
Clarté: Claire
Prérequis: PythonGit
Accessibilité débutant: 45