摘要

扩散模型在图像生成任务中取得了显著成功，但在高分辨率图像生成方面仍面临挑战。通过离散余弦变换（Discrete Cosine Transform, DCT）的视角，我们发现其核心原因在于：在更高分辨率下，相同的噪声水平会导致频域中更高的信噪比（Signal-to-Noise Ratio, SNR）。针对这一问题，本文提出了一种新型模型——中继扩散模型（Relay Diffusion Model, RDM）。RDM 通过模糊扩散与分块噪声机制，将低分辨率图像或噪声有效转换为等效的高分辨率表示，从而使得扩散过程能够在任意新分辨率或模型中无缝延续，无需从纯噪声或低分辨率条件重新开始。实验结果表明，RDM 在 CelebA-HQ 数据集上达到了当前最优的 FID 指标，在 ImageNet 256×256 数据集上也取得了领先的 sFID 分数，显著超越了此前的先进方法（如 ADM、LDM 和 DiT）。相关代码与模型权重已开源，详见：https://github.com/THUDM/RelayDiffusion。