深入浅出学习Stable diffusion之Tiled Diffusion&VAE

今日言论：

马斯克的管理风格非常独特，他不需要非技术性的中层管理人员，员工表现不佳就会被裁，也不喜欢大型会议。

                                                                         -- 前特斯拉 AI 总监安德烈·卡帕西

深入解读：Tiled Diffusion，英文翻译为**平铺扩散，**也是一种深度学习模型。

它主要用于图像生成任务。这种模型基于扩散过程，通过逐渐向图像中引入噪声，然后通过一个生成网络逐步恢复出清晰的图像。Tiled Diffusion模型将图像分成多个小块（即“瓦片”），并在每个瓦片中独立地执行扩散和生成过程，从而允许模型更有效地处理大型图像。

具体来说，Tiled Diffusion模型的训练分为两个阶段：

1. 正向扩散过程（Forward Diffusion）：在这个过程中，模型逐步地将图像数据转换为一个高斯噪声状态。这个过程通常包括多个步骤，每个步骤都涉及到对图像的逐步扰动。

2. 反向生成过程（Backward Generation）：在正向扩散过程之后，模型需要通过一个生成网络将高斯噪声转换回原始的图像数据。在Tiled Diffusion中，这个过程在每个瓦片上是独立进行的，这使得模型能够并行处理不同瓦片，从而提高了训练和推理的效率。

浅出解读：

图片来源：Technical Part · pkuliyi2015/multidiffusion-upscaler-for-automatic1111 Wiki · GitHub

这个图表示的其实是重绘放大的意思。核心技术是通过Tiled VAE插件降低了现存的消耗能力，让显卡更好的发挥其