本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑此节点通过集成连续 EDM(基于能量的扩散模型)采样技术,增强模型的采样能力。它允许在模型采样过程中动态调整噪声水平,从而对生成质量和多样性实现更精细的控制。
输入
| 参数 | 数据类型 | Python 数据类型 | 描述 |
|---|---|---|---|
模型 | MODEL | torch.nn.Module | 需要增强连续 EDM 采样能力的模型。作为应用高级采样技术的基础。 |
采样 | COMBO[STRING] | str | 指定要应用的采样类型,‘eps’ 表示 epsilon 采样,‘v_prediction’ 表示速度预测,影响模型在采样过程中的行为。 |
最大西格玛 | FLOAT | float | 噪声水平的最大 sigma 值,用于控制采样过程中噪声注入的上限。 |
最小西格玛 | FLOAT | float | 噪声水平的最小 sigma 值,设置噪声注入的下限,从而影响模型的采样精度。 |
输出
| 参数 | 数据类型 | Python 数据类型 | 描述 |
|---|---|---|---|
模型 | MODEL | torch.nn.Module | 已集成连续 EDM 采样能力的增强模型,可直接用于后续的生成任务。 |