一种面向边缘AIGC服务的批去噪方法

本发明公开了一种面向边缘AIGC服务的批去噪方法，涉及人工智能领域。以图像生成为典型应用场景，为了在生成内容延迟约束下最大化平均生成质量，提供一个批去噪模型并构建一个生成优化问题。根据需求，精确建模去噪扩散隐式模型（DDIM）的去噪步数与内容质量之间的关系，其中内容质量用弗雷歇初始距离（FID）来衡量。利用批量去噪的强大并行计算能力可减少每步去噪延迟，以及相比于后续去噪步骤初始去噪步骤对生成质量影响更大，设计了用于优化批去噪的STACKING算法，算法遵循聚类‑打包‑批处理流程。STACKING算法不依赖于内容质量函数的具体特性，且能有效降低计算复杂度。