ArticleMetadataMain page

source · 2026-04-16

Come-Closer-Diffuse-Faster（CVPR 2022）：用随机收缩把条件扩散的采样路径压得更短

#near-cvpr-2025#image-generation#diffusion#efficiency#primary-source

Come-Closer-Diffuse-Faster（CVPR 2022）：用随机收缩把条件扩散的采样路径压得更短

会议：CVPR 2022
发表日期：2021/12/09
资料加入日期：2026-04-16

一句话结论

这篇工作把条件扩散提速更早地推进到“缩短有效采样轨迹”这一层，说明 few-step acceleration 在 2022 年就已经开始成为明确问题。

问题定义

条件扩散在逆问题和图像恢复里往往需要长采样链，导致推理成本过高。论文要解决的是，怎样在尽量保住重建质量的前提下，把条件扩散的有效采样路径压短。

方法概述

作者通过 stochastic contraction 思路让采样过程更快靠近目标分布，减少条件扩散在逆问题场景中的迭代负担。它的重要性在于为后续 few-step、solver distillation、time-step optimization 路线补上更早的 acceleration 前史。

关键发现

局限或疑问

  • 它聚焦条件扩散与逆问题，不完全等同于后来的大规模文生图 few-step acceleration。
  • 这条路线与 solver-level distillation、consistency distillation 谁更有长期潜力，还需要继续观察。

原始链接

  • https://arxiv.org/abs/2112.05146
  • https://arxiv.org/pdf/2112.05146.pdf

相关页面

备注

它在本库中的价值，是把当前 acceleration 主线往更早的 conditional diffusion 提速阶段补齐。

Metadata

{
  "id": "2026-04-16-come-closer-diffuse-faster",
  "type": "source",
  "title": "Come-Closer-Diffuse-Faster（CVPR 2022）：用随机收缩把条件扩散的采样路径压得更短",
  "status": "reviewed",
  "created": "2026-04-16",
  "updated": "2026-04-16",
  "venue": "CVPR 2022",
  "ingested_at": "2026-04-16",
  "tags": [
    "near-cvpr-2025",
    "image-generation",
    "diffusion",
    "efficiency",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Chung, Hyungjin",
    "Sim, Byeongyu",
    "Ryu, Dohoon",
    "Ye, Jong Chul"
  ],
  "published_at": "2021/12/09",
  "canonical_links": [
    "https://arxiv.org/abs/2112.05146",
    "https://arxiv.org/pdf/2112.05146.pdf"
  ],
  "raw_entry": "raw/ingest/2026-04-16-come-closer-diffuse-faster/",
  "topics": [
    "topics/diffusion-models",
    "topics/diffusion-efficiency-engineering",
    "topics/image-generation"
  ],
  "entities": [],
  "claims": [],
  "questions": []
}