查看“WikiEdge:ArXiv-2409.02919/summary”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2409.02919/summary|action=edit}} 编辑]</div>
这篇论文提出了一种名为[[HiPrompt]]的新型无需调优的高分辨率图像生成方法，该方法通过引入[[分层提示]]（hierarchical prompts）来解决预训练[[扩散模型]]在生成高分辨率图像时面临的对象重复和结构伪影问题。HiPrompt通过用户提供的全局内容描述和利用[[多语言模型]]（MLLMs）生成的局部描述来提供全局和局部指导，从而在逆向去噪过程中实现分层语义引导。此外，该方法通过将生成的噪声分解为低频和高频空间分量，并分别对这些分量进行条件化处理，以确保生成的图像在局部和全局语义上保持一致性。
# '''引言'''：
#* 介绍了[[稳定扩散]]（Stable Diffusion, SD）在文本到图像（T2I）生成领域的广泛应用，以及对高分辨率图像的需求增长。现有方法在生成超过训练分辨率的图像时面临资源和时间的挑战，本文提出了一种无需训练的范式来生成高分辨率图像。
# '''相关工作'''：
#* 回顾了文本到图像合成模型的发展，特别是基于去噪扩散概率模型（denoising diffusion probabilistic models）的高质量图像生成模型。同时，探讨了无需训练的高分辨率图像生成方法，以及它们在解决计算资源和时间需求方面的挑战。
# '''方法论'''：
#* '''预备知识'''：介绍了[[潜在扩散模型]]（Latent Diffusion Model, LDM）的基本原理，包括数据生成过程和去噪过程。
#* '''HiPrompt框架'''：详细描述了HiPrompt的工作原理，包括如何使用MLLMs生成局部描述，以及如何通过噪声分解和分层提示来引导图像生成。
#* '''分层提示引导'''：解释了如何利用全局提示和局部提示来提高图像的局部和全局一致性。
#* '''噪声分解'''：讨论了如何将噪声图像分解为低频和高频分量，并分别进行去噪处理。
# '''实验'''：
#* 展示了HiPrompt在不同分辨率下的定性和定量实验结果，与现有方法相比，HiPrompt在减少对象重复和提高结构质量方面取得了显著优势。
# '''结论'''：
#* 总结了HiPrompt的主要贡献，包括提出分层提示以解决对象重复问题，探索图像的空间频率分解，并提供广泛的评估来证明HiPrompt的有效性。