【CVPR2023】DiffCollage:用扩散模型并行生成大量内容

本文提出DiffCollage，一种组合式扩散模型，可以通过利用在生成大型内容片段上训练的扩散模型来生成大型内容。该方法基于因子图表示，其中每个因子节点表示内容的一部分，变量节点表示它们的重叠部分。这种表示允许聚合在单个节点上定义的扩散模型的中间输出，以并行生成任意大小和形状的内容，而无需借助于自回归生成过程。将DiffCollage应用于各种任务，包括无限图像生成、全景图像生成和长时间文本引导的运动生成。与强自回归基线进行比较的广泛实验结果验证了所提出方法的有效性。