blur-diffusion

渐进去模糊，让扩散模型生成更快更清晰

blur-diffusion 是论文《Progressive Deblurring of Diffusion Models for Coarse-to-Fine Image Synthesis》的官方 PyTorch 实现。该项目提出了一种渐进式去模糊的扩散模型方法，旨在解决传统扩散模型在图像生成过程中计算成本高、生成速度慢的问题。其核心思想是通过在生成过程中逐步去除模糊，实现从粗粒度到细粒度的图像合成，从而在保持生成质量的同时显著减少采样步数。项目提供了完整的训练和采样代码，支持多种配置，并基于 score-based 生成模型框架。它适用于需要高效高质量图像生成的场景，如文本到图像合成、超分辨率等。