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
表面缺陷检测方法
射线
表面缺陷检测系统
顶头
点云
图像畸变矫正方法
HUD图像
基准
分辨率
仿真软件
图像生成方法
可见光图像
图像生成模型
物理
速度