在火热的“AI 图像生成”领域，任意不同分辨率的无缝衔接扩散模型，出现了。近日，来自清华大学和智谱 AI 的研究团队联合提出了一个新型级联模型——Relay Diffusion（RDM）。据介绍，运用该模型，扩散过程可以在任何新的分辨率或模型下无缝进行，而无需从纯噪声重新开始生成。
相关研究论文以“Relay Diffusion: Unifying diffusion process across resolutions for image synthesis”为题已发表在预印本网站 arXiv 上，相关代码已发布在 GitHub 上。近些年来，扩散模型（Diffusion）在图像合成方面取得了巨大成功，显著提升了图片合成的质量。
然而，扩散模型在合成高分辨率图片时仍面临较大挑战，一是低分辨率的噪声调度很难直接用于高分辨率，研究者们需要为高分辨的场景谨慎地调节噪声调度表，且仍难以获得良好的结果；二是高分辨的训练过程需要大量资源，计算成本较高。
为了更好地解决上述问题，研究团队提出的级联模型 Relay Diffusion 在具备原有级联方法优点的同时，借助模糊扩散过程（blurring diffusion）和块状噪声（block noise），可以在任意不同分辨率间无缝衔接，就像“接力赛”一样，极大地减少了训练和采样的成本。
实验结果显示，相比传统的级联扩散模型，Relay Diffusion 在生成高分辨率图片时，省去了生成低频信息的部分，极大地节约了计算成本，同时更加简单，不需要以低分辨率图片为条件和各种条件增强技巧，而且不需要重新设计或调节噪声调度表。研究团队表示，本次研究提出的级联模型有助于创建更先进的文本到图像模型。
未来，他们将继续把 Relay Diffusion 中的相关技术应用到通用领域的文生图模型中，从而推动该领域进一步的研究。