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
正文
推荐专利
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
系统为您推荐了相关专利信息
1
板车识别方法
点云 前挡板 司机 像素 投影图像生成方法
2
基于射线投影的顶头表面缺陷检测方法及系统
表面缺陷检测方法 射线 表面缺陷检测系统 顶头 点云
3
一种HUD图像畸变矫正方法
图像畸变矫正方法 HUD图像 基准 分辨率 仿真软件
4
一种符合物理属性的红外图像生成方法
图像生成方法 可见光图像 图像生成模型 物理 速度
5
一种基于改进CycleGAN的布匹瑕疵图像生成方法
图像生成方法 瑕疵 轮廓特征 布匹表面 编码器
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号