Snellere Diffusie: Heroverweging van de Rol van de UNet-Encoder in Diffusiemodellen

Samenvatting

Een van de belangrijkste componenten binnen diffusiemodellen is de UNet voor ruisvoorspelling. Hoewel verschillende onderzoeken de basiseigenschappen van de UNet-decoder hebben verkend, blijft de encoder grotendeels onontgonnen. In dit werk voeren we de eerste uitgebreide studie uit naar de UNet-encoder. We analyseren empirisch de encoderfeatures en geven inzichten in belangrijke vragen over hun veranderingen tijdens het inferentieproces. In het bijzonder constateren we dat de encoderfeatures geleidelijk veranderen, terwijl de decoderfeatures aanzienlijke variaties vertonen over verschillende tijdstappen. Deze bevinding inspireerde ons om de encoder op bepaalde aangrenzende tijdstappen weg te laten en de encoderfeatures uit de vorige tijdstappen cyclisch te hergebruiken voor de decoder. Verder introduceren we, gebaseerd op deze observatie, een eenvoudig maar effectief encoder-propagatieschema om de diffusiebemonstering voor een diverse set taken te versnellen. Door te profiteren van ons propagatieschema, kunnen we de decoder op bepaalde aangrenzende tijdstappen parallel uitvoeren. Daarnaast introduceren we een methode voor het injecteren van voorafgaande ruis om de textuurdetails in het gegenereerde beeld te verbeteren. Naast de standaard tekst-naar-beeldtaak valideren we onze aanpak ook op andere taken: tekst-naar-video, gepersonaliseerde generatie en referentiegeleide generatie. Zonder gebruik te maken van enige kennisdistillatietechniek, versnelt onze aanpak de bemonstering van zowel het Stable Diffusion (SD)- als het DeepFloyd-IF-model met respectievelijk 41% en 24%, terwijl een hoogwaardige generatieprestatie behouden blijft. Onze code is beschikbaar op https://github.com/hutaiHang/Faster-Diffusion{FasterDiffusion}.

English

One of the key components within diffusion models is the UNet for noise prediction. While several works have explored basic properties of the UNet decoder, its encoder largely remains unexplored. In this work, we conduct the first comprehensive study of the UNet encoder. We empirically analyze the encoder features and provide insights to important questions regarding their changes at the inference process. In particular, we find that encoder features change gently, whereas the decoder features exhibit substantial variations across different time-steps. This finding inspired us to omit the encoder at certain adjacent time-steps and reuse cyclically the encoder features in the previous time-steps for the decoder. Further based on this observation, we introduce a simple yet effective encoder propagation scheme to accelerate the diffusion sampling for a diverse set of tasks. By benefiting from our propagation scheme, we are able to perform in parallel the decoder at certain adjacent time-steps. Additionally, we introduce a prior noise injection method to improve the texture details in the generated image. Besides the standard text-to-image task, we also validate our approach on other tasks: text-to-video, personalized generation and reference-guided generation. Without utilizing any knowledge distillation technique, our approach accelerates both the Stable Diffusion (SD) and the DeepFloyd-IF models sampling by 41% and 24% respectively, while maintaining high-quality generation performance. Our code is available in https://github.com/hutaiHang/Faster-Diffusion{FasterDiffusion}.

Snellere Diffusie: Heroverweging van de Rol van de UNet-Encoder in Diffusiemodellen

Faster Diffusion: Rethinking the Role of UNet Encoder in Diffusion Models

Samenvatting

Support