近日CIKM 2023上，阿里云人工智能平臺PAI和華東師范大學陳岑副教授團隊主導的擴散模型加速采樣算法論文《Optimal Linear Subspace Search: Learning to Construct Fast and High-Quality Schedulers for Diffusion Models》入眩論文提出了OLSS (Optimal Linear Subspace Search) 算法，這是一種針對擴散模型的采樣加速算法。論文通過對擴散模型加速算法的本質(zhì)被建模成線性子空間的擴張過程，給出了目前方法的統(tǒng)一分析，并基于此設計了新的加速算法，大幅度提升了擴散模型的生成速度。
CIKM是人工智能領域的頂級國際會議，會議的目的是確定未來知識和信息系統(tǒng)發(fā)展面臨的挑戰(zhàn)性問題，并通過征集和審查高質(zhì)量的應用和理論研究成果來塑造未來的研究方向，在學術和工業(yè)界都有巨大的影響力。此次入選意味著阿里云人工智能平臺 PAI自研的擴散模型算法和框架達到了全球業(yè)界先進水平，獲得了國際學者的認可，展現(xiàn)了中國人工智能技術創(chuàng)新在國際上的競爭力。
擴散模型在圖像生成領域的成功我們有目共睹。從 Latent Diffusion 到 Stable Diffusion，從驚艷的 Midjourney 到百花齊放的 Diffusion 開源社區(qū)，擴散模型目前已然成為 AIGC 行業(yè)的最熱門研究方向之一。
圖 1：擴散模型的精美生成效果
然而，擴散模型生成精美圖像的代價是高昂的計算資源需求。與基于生成對抗網(wǎng)絡的方法不同，擴散模型的生成過程是迭代式的，因此需要多次調(diào)用模型，逐步消除圖像中的噪聲�，F(xiàn)有的一些加速算法通過設計“調(diào)度機”，構造完整生成過程的近似過程，減少迭代步數(shù)，提高生成速度。
圖 2：調(diào)度機算法構造的短步數(shù)近似過程
根據(jù)論文中的分析，調(diào)度機構造的近似過程本質(zhì)上是線性子空間的擴張過程，論文中也給出了其中的幾何解釋，DDIM 算法在二維線性子空間中尋找近似解，而論文中提出的 OLSS 算法旨在更高維的線性子空間中求解。
圖 3：OLSS 算法的直觀幾何解釋
此外，OLSS 還使用一個路徑規(guī)劃算法進一步提升精度，在同等步數(shù)下，實現(xiàn)了更高的圖像質(zhì)量。
圖 4：OLSS 算法與其他方法生成的圖像對比
目前，阿里云人工智能平臺 PAI已經(jīng)上線了多種擴散模型的應用，例如快速部署AIGC Stable Diffusion SDWebUI繪畫的AI-Web應用及快速推理等。用戶可以登錄阿里云官網(wǎng)領取免費試用資源，快速體驗。
論文信息
論文標題：Optimal Linear Subspace Search: Learning to Construct Fast and High-Quality Schedulers for Diffusion Models
論文作者：段忠杰、汪誠愚、陳岑、黃竣錢衛(wèi)寧
論文pdf鏈接：https://arxiv.org/abs/2305.14677
