OpenAI 发布了一致性模型的实现代码库

​

本次OpenAI发布了一致性模型的实现代码库。

此前报告相关论文链接：

https://hub.baai.ac.cn/view/24651

Consistency Models一致性模型

Yang Song, P Dhariwal, M Chen, I Sutskever

[OpenAI]

一致性模型代码库介绍

该存储库包含一致性模型的代码库，使用 PyTorch 实现，用于在 ImageNet-64、LSUN Bedroom-256 和 LSUN Cat-256 上进行大规模实验。我们的存储库基于openai/guided-diffusion，它最初是在 MIT 许可下发布的。我们的修改支持一致性蒸馏、一致性训练以及本文中讨论的几种采样和编辑算法。

CIFAR-10 实验的存储库位于 JAX 中，将单独发布。

预训练模型

我们已经发布了论文中主要模型的检查点。在使用这些模型之前，请查看相应的模型卡以了解这些模型的预期用途和限制。

以下是每个模型检查点的下载链接：

• ImageNet-64 上的 EDM：edm_imagenet64_ema.pt
• 具有 l2 指标的 ImageNet-64 上的 CD：cd_imagenet64_l2.pt
• 具有 LPIPS 指标的 ImageNet-64 上的 CD：cd_imagenet64_lpips.pt
• ImageNet-64 上的 CT：ct_imagenet64.pt
• LSUN Bedroom-256 上的 EDM：edm_bedroom256_ema.pt
• LSUN Bedroom-256 上的 CD，l2 公制：cd_bedroom256_l2.pt
• LSUN Bedroom-256 上的 CD，LPIPS 指标：cd_bedroom256_lpips.pt
• LSUN Bedroom-256 上的 CT：ct_bedroom256.pt
• LSUN Cat-256 上的 EDM：edm_cat256_ema.pt
• LSUN Cat-256 上的 CD，具有 l2 公制：cd_cat256_l2.pt
• CD on LSUN Cat-256 with LPIPS metric: cd_cat256_lpips.pt
• LSUN Cat-256 上的 CT：ct_cat256.pt

依赖关系

要安装此代码库中的所有包及其依赖项，请运行

模型训练和抽样

我们在cm/scripts/launch.sh中提供了 EDM 训练、一致性蒸馏、一致性训练、单步生成和多步生成的示例。

评价

为了比较不同的生成模型，我们使用 FID、Precision、Recall 和 Inception Score。这些指标都可以使用存储在 (numpy) 文件中的样本批次来计算.npz。可以使用cm/evaluations/evaluator.py以与openai/guided-diffusion中描述的相同方式评估样本，其中提供了参考数据集批次。

引用

如果您发现此方法和/或代码有用，请考虑引用

​Read More