基于增量式量化感知训练扩散模型的视觉图像生成方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于增量式量化感知训练扩散模型的视觉图像生成方法
申请号:CN202510910384
申请日期:2025-07-02
公开号:CN120874933A
公开日期:2025-10-31
类型:发明专利
摘要
本发明提供基于增量式量化感知训练扩散模型的视觉图像生成方法,涉及计算机视觉图像生成技术领域,方法包括:S1、获得视觉图像数据集,划分为矫正集和训练集;并设置扩散模型量化参数;S2、确定均匀量化的权重量化函数和仿射量化的激活值量化函数,得到量化扩散模型;S3、使用视觉图像矫正集、量化视觉图像比例和训练器学习率,训练量化扩散模型;S4、去掉量化训练模块中的量化状态掩码,得到量化扩散模型并生成视觉图像。本发明通过增量式量化和时间步感知损失降低量化损失,提高量化感知训练效率,减小由于缺少对时间步的感知导致量化训练时间长的问题,为压缩量化模型提供可靠方法。
技术关键词
图像生成方法 训练器 矫正 计算机视觉图像 比特数 数据 样本 序列 参数 可靠方法 生成技术 训练集 调度器 精度 表达式 模块 计划 噪声