Je student presteert beter dan verwacht: Adaptieve samenwerking tussen leraar en leerling voor tekstgeconditioneerde diffusiemodellen

Your Student is Better Than Expected: Adaptive Teacher-Student Collaboration for Text-Conditional Diffusion Models

December 17, 2023

Auteurs: Nikita Starodubcev, Artem Fedorov, Artem Babenko, Dmitry Baranchuk

cs.AI

Samenvatting

Kennisdistillatiemethoden hebben recentelijk een veelbelovende richting laten zien om de synthese van grootschalige diffusiemodellen te versnellen door slechts een paar inferentiestappen te vereisen. Hoewel er recentelijk verschillende krachtige distillatiemethoden zijn voorgesteld, is de algehele kwaliteit van de gegenereerde studentmonsters doorgaans lager in vergelijking met die van de leraar, wat hun praktische toepassing belemmert. In dit werk onderzoeken we de relatieve kwaliteit van monsters die worden geproduceerd door het leraar tekst-naar-beeld diffusiemodel en zijn gedistilleerde studentversie. Als onze belangrijkste empirische bevinding ontdekken we dat een opmerkelijk deel van de studentmonsters een superieure kwaliteit vertoont in vergelijking met die van de leraar, ondanks de "benaderende" aard van de student. Op basis van deze bevinding stellen we een adaptieve samenwerking voor tussen student- en leraardiffusiemodellen voor effectieve tekst-naar-beeld synthese. Specifiek produceert het gedistilleerde model het initiële monster, waarna een orakel beslist of het verdere verbeteringen nodig heeft met een traag leraarmodel. Uitgebreide experimenten tonen aan dat de ontworpen pijplijn state-of-the-art tekst-naar-beeld alternatieven overtreft voor verschillende inferentiebudgetten in termen van menselijke voorkeur. Bovendien kan de voorgestelde aanpak natuurlijk worden gebruikt in populaire toepassingen zoals tekstgeleide beeldbewerking en controleerbare generatie.

English

Knowledge distillation methods have recently shown to be a promising direction to speedup the synthesis of large-scale diffusion models by requiring only a few inference steps. While several powerful distillation methods were recently proposed, the overall quality of student samples is typically lower compared to the teacher ones, which hinders their practical usage. In this work, we investigate the relative quality of samples produced by the teacher text-to-image diffusion model and its distilled student version. As our main empirical finding, we discover that a noticeable portion of student samples exhibit superior fidelity compared to the teacher ones, despite the ``approximate'' nature of the student. Based on this finding, we propose an adaptive collaboration between student and teacher diffusion models for effective text-to-image synthesis. Specifically, the distilled model produces the initial sample, and then an oracle decides whether it needs further improvements with a slow teacher model. Extensive experiments demonstrate that the designed pipeline surpasses state-of-the-art text-to-image alternatives for various inference budgets in terms of human preference. Furthermore, the proposed approach can be naturally used in popular applications such as text-guided image editing and controllable generation.