CVPR(2024)微信&中山大学提出SingDiffusion: 仅需训练一次即可无缝应用到现有的扩散模型中,SD1.5图像生成质量提升33%。
扩散模型凭借其在图像生成方面的出色表现，开启了生成式模型的新纪元。诸如Stable Diffusion，DALLE，Imagen，Sora等大模型涌现，进一步丰富了生成式 AI 的应用前景。
然而，当前的扩散模型在理论上并非完美，比如采样时间端点处未定义的奇点问题。会影响扩散模型的生成能力，导致模型出现平均灰度问题，即难以生成亮度强或者弱的图像，这在一定程度上也限制了当前扩散模型的应用范围。
针对此问题，微信视觉算法团队和中山大学联合提出了一个即插即用的方法SingDiffusion，该方法成功解决了平均灰度问题，显著提升了现有扩散模型的生成能力。这一研究成果已在 CVPR 2024 会议上发表。
论文阅读
解决扩散模型中时间间隔端点的奇异性
摘要
大多数扩散模型假设逆过程遵循高斯分布。然而，这种近似尚未经过严格验证，尤其是在t=0和t=1的奇点处。不正确地处理此类奇点会导致应用中的平均亮度问题，并限制极端亮度或黑暗图像的生成。
我们主要致力于从理论和实践的角度解决奇点。最初，我们建立逆过程近似的误差界限，并展示其在奇点时间步长的高斯特性。基于这一理论见解，我们确认t=1处的奇点是有条件可去除的，而t=0处的奇点是固有属性。
基于这些重要结论，我们提出了一种新颖的即插即用方法SingDiffusion来解决初始奇异时间步采样问题，该方法不仅有效解决了各种扩散模型的平均亮度问题，而无需额外的训练工作，而且还增强了其显着降低FID分数的发电能力。
方法
现有的扩散模型在t=0和t=1时遇到奇点。特别是由于没有考虑到t=1时的采样，会遇到平均亮度问题。为了解决这个问题，我们提出了一个即插即用的SingDiffusion方法(红色突出显示)来弥补这个差距。
奇点的定义
重要理论贡献
解决平均亮度问题
Stable Diffusion和SingDiffusion在平均亮度问题上的比较。
提高30K COCO提示的FID和CLIP分数
SingDiffusion、SD-1.5 和 SD-2.0 之间基于 30k COCO图像的Pareto曲线比较，跨不同指导尺度。
实验
无缝适应不同的模型
无缝适应ControlNet
SingDiffusion可以与ControlNet无缝集成使用。
总结
文章从理论上探讨了奇异点，并提出了一个即插即用模块SingDiffusion来解决在初始奇异时间步长的采样挑战。可以训练一次并以即插即用的方式无缝集成到CIVITAI上的预训练模型中。
通过将该模块集成到现有的预训练模型中，有效地解决了生成暗图像和亮图像的困难，并进一步提高了整体图像质量，定量分析也证实了这一点。
