Cascaded diffusion은 많은 최신 생성 작업의 기저를 이루는 다단계 레시피입니다: 한 개의 diffusion 모델로 작은 이미지를 생성한 후, 고주파 세부를 추가하는 초해상도 diffusion 모델로 넘깁니다. Google Brain 팀은 전체 파이프라인이 ImageNet에서 256x256에서 4.88 FID를 달성했음을 보여주었으며, 보조 분류기 부스팅이 필요하지 않았고, BigGAN-deep을 이겨냈습니다.

Ho et al. 논문의 이 단문 리뷰는 cascade 구조, 단계 간 오류 누적을 방지하는 conditioning augmentation 트릭이 비결인 이유, FID 숫자가 어떻게 쌓이는지 등 필수 요소들을 빠르게 다룹니다. TTS 또는 neural vocoder 로드맵에 다단계 diffusion을 포함시키려는 사람이라면 5분을 투자할 가치가 있습니다; 같은 설계 패턴은 이제 audio generation 전역에서 나타나고 있습니다. 전체 논문으로 들어가기 전에 빠른 입문서로 살펴보세요.