Название исследуемой задачи:	Ускорение семплирования из диффузионных моделей с помощью состязательных сетей
Тип научной работы:	M1P
Автор:	Никита Владимирович Охотников
Научный руководитель:	кандидат ф-м. наук, Исаченко Роман Владимирович

Abstract

В последние годы широкое распространение получили диффузионные генеративные модели, показывающие высокое качество получаемых семплов и хорошее покрытие исходного распределения. Главный их недостаток -- скорость семлирования: для получения одного объекта требуется от сотен до тысяч итераций. Активно исследуются способы ускорения этого процесса. В работе анализируется один из таких способов -- использование состязательных моделей для сокращения числа шагов, необходимых для получения семпла. Предлагается развить идею представленной ранее модели Denoising Diffusion GAN. Рассматриваются альтернативные варианты задания сложного распределения в обратном диффузионном процессе, анализируется скорость работы и качество получаемых семплов.