导读
EDM将采样、训练和网络预处理拆分为可比较的设计选择，使生成速度与质量的关系能在具体方法层面讨论，而不是只看模型品牌。
查看大图 ↗图1：带噪图像与最优去噪结果。 来源为v2，图像版本与论文首次公开日分别记录。
Karras, Tero; Aittala, Miika; Aila, Timo; Laine, Samuli · original paper / arXiv · 原论文图文与所引作品权利归各自权利人；研究引用不代表开放授权，转载权利待独立复核。
资料出处 · Elucidating the Design Space of Diffusion-Based Generative Models ↗档案研究说明
EDM将采样、训练和网络预处理拆分为可比较的设计选择，使生成速度与质量的关系能在具体方法层面讨论，而不是只看模型品牌。
ANTI-AI ARCHIVE · 修订 2026-10-03
论文研究了什么
Karras等人重新组织扩散模型的设计空间，区分噪声安排、数值采样与网络训练中的选择。论文还对既有预训练模型应用部分改进，用来检验这些组件能否独立发挥作用。
本节依据: EDM：厘清扩散生成模型的设计空间
与生成艺术史的关系
编者解释：等待时间与试错成本会影响创作者能试多少次、何时作出选择。EDM值得进入工具史，原因在于它让这些条件可以追溯到算法组件，而非把算法效率等同于作品价值。
本节依据: EDM：厘清扩散生成模型的设计空间
阅读边界与版本
所引质量和效率结论来自作者的指定数据集实验，不能直接外推为任何艺术工作流的速度保证。
本节依据: EDM：厘清扩散生成模型的设计空间
正文引用资料
核读arXiv摘要、署名和版本记录，以及原论文第2页所选图页；未全文审查证明、未复现实验。
核读arXiv摘要、署名和版本记录，以及原论文第2页所选图页；未全文审查证明、未复现实验。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
EDM：对照开放权重的扩散模型的方法、控制或评价条件。
EDM：对照潜在一致性模型的方法、控制或评价条件。
日期与版本记录
节点标注日期：2022-06-01 · 来源记录的历史日期：2022-06-01
时间线采用arXiv首次公开日，不以会议发表、模型上线或2026-10-03补录日替代。正文及图像参照v2；该版日期见原文版本记录。
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Elucidating the Design Space of Diffusion-Based Generative Models
https://arxiv.org/abs/2206.00364
当前引用地址
核读arXiv摘要、署名和版本记录，以及原论文第2页所选图页；未全文审查证明、未复现实验。
出处、翻译与核验状态
档案节点 #179 · 研究论文首次公开；方法、评估与制作条件
研究资料与补充出处 · 1
2022年以来重要论文补录与去重资料 · 核读arXiv摘要、署名和版本记录，以及原论文第2页所选图页；未全文审查证明、未复现实验。 · 002
原记日期: 2022-06-01
EDM：厘清扩散生成模型的设计空间 ↗
Elucidating the Design Space of Diffusion-Based Generative Models
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
已按条目所列范围核读官方资料；核读范围与待复核事项见来源说明。
引用本节点
ANTI-AI ARCHIVE. EDM：厘清扩散生成模型的设计空间. 艺术史节点 #179. https://salondesrefuses.cn/zh/art-history/325
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。