每日AIGC最新进展(37)：达姆施塔特工业大学提出分布式协作扩散模型CollaFuse、卡耐基梅隆大学提出扩散模型简易一致性调优方法、俄罗斯Yandex提出可逆一致性蒸馏

Diffusion Models专栏文章汇总：入门与实战

CollaFuse: Collaborative Diffusion Models

CollaFuse是一种创新的分布式协作扩散模型，旨在解决传统图像生成模型在数据可用性、计算需求和隐私方面的挑战。该方法受分割学习启发，通过在服务器和客户端之间分配计算任务，减轻客户端在图像合成期间的计算负担，同时提高隐私保护。

CollaFuse的核心方法是将图像生成过程的去噪步骤分为两部分：在服务器上执行初始去噪步骤，然后在客户端完成剩余步骤。这种分割方法不仅减少了客户端的计算压力，还允许在生成过程中嵌入客户端特定的条件，从而实现个性化图像生成。

通过在CelebA数据集上的实验，CollaFuse展示了其在增强隐私和减少原始数据共享需求方面的潜力。实验结果表明，与每个客户端独立训练自己的本地扩散模型相比，CollaFuse能够生成更高质量的图像，同时客户端的计算负担相对较小。此外，通过调整去噪步骤的分配比例，CollaFuse能够更好地逼近个体数据分布，生成具有更好特征的图像。

Consistency Models Made Easy

本文介绍了一