级联扩散是许多现代生成工作下的多阶段方案：用一个扩散模型生成小图像，然后将其交给添加高频细节的超分辨率扩散模型。Google Brain团队展示了整个管道在ImageNet上以256x256分辨率达到4.88 FID，无需辅助分类器增强，并击败了BigGAN-deep。

这篇Ho et al.的短评论快速涵盖了要点、级联结构、为什么条件增强技巧是防止误差在阶段间复合的秘诀，以及FID指标如何对比。对于任何TTS或神经声码器路线图中包含多阶段扩散的人来说，这值得花5分钟阅读；相同的设计模式现在遍及音频生成各处。在深入完整论文之前，先快速了解一下作为入门。