多模态

Tim Salimans

蒂姆·萨利曼斯

生成模型 · 引导与蒸馏

Tim Salimans 是生成模型研究者，参与了 GAN 训练改进、扩散模型引导和快速采样等工作。他持续研究的问题是，怎样让生成模型既有较好的输出质量，也能够稳定、有效率地运行。

他与合作者在 Improved Techniques for Training GANs 中比较多种结构和训练技巧，改进图像生成及半监督学习。后来，他与 Jonathan Ho 提出 Classifier-Free Guidance，把条件预测和无条件预测组合，用于增强对生成内容的控制。

两人的渐进蒸馏研究则让学生模型学习用更少的步骤复现教师的生成过程，再反复压缩步骤数。这与只替换一个采样器不同，需要重新训练学生模型，但为减少生成延迟提供了一条具体路径。