去噪扩散模型一直是图像生成的主流方法，然而训练这些模型往往受到收敛速度缓慢的困扰。本文发现，收敛速度缓慢部分是因为不同时间步之间存在冲突的优化方向。为了解决这个问题，我们将扩散训练视为多任务学习问题，并引入了一种简单而有效的方法，称为Min-SNR-$\gamma$。该方法基于限制信噪比调整时间步长的损失权重，有效地平衡了时间步长之间的冲突。我们的结果表明，在收敛速度方面有了显著的改进，比以前的加权策略快3.4倍。它也更有效，采用比先前最先进的架构更小的架构，在ImageNet $256\times256$基准测试中取得了新的FID分数纪录，达到了2.06。
论文链接：http://arxiv.org/pdf/2303.09556v1
更多计算机论文：http://cspaper.cn/