摘要
扩散模型已成为时间序列生成的竞争性生成器，但在推理时所需的大量序列去噪步骤限制了其实际应用。现有的快速采样器通常使用固定或通用的时间步调度，忽视了时间序列扩散的一个独特特性：不同频谱带在反向过程中以不同速率演变。
我们提出了 StrideDiffusion，这是一种无训练的频谱感知采样器，能够根据频带活动自适应地选择去噪步幅。在每一步中，StrideDiffusion 监测相对频带能量、对数功率漂移和相位速度，以确定高频动态是否仍然活跃，或是轨迹是否被稳定的低频结构主导。然后，当快速变化的频带活跃时，其采取细微步长；而一旦仅剩粗糙成分，则进行更大的跳跃。
频带稳定性分析表明，在确定性仿射反向更新下，非活跃频带仅以跳跃大小线性变化，为频谱活动作为步长指示器提供了局部依据。在六个无条件时间序列生成基准测试中，StrideDiffusion 仅使用 14-66 次函数评估，而不是 500/1000 次去噪步骤，达到了高达 18.9 倍的墙钟加速，同时保留或提高生成质量。在条件插补和预测方面，其进一步实现了 5-14 倍的平均加速，且预测准确度相当。这些结果表明，频谱演变为快速时间序列扩散采样提供了一个实用且有原则的信号。
我们的代码可在 这里获取。
博主点评： StrideDiffusion 通过频谱感知的方式显著提升了时间序列生成模型的效率，这种方法不仅减少了计算复杂度，还在不牺牲生成质量的情况下加速了模型的推理过程，展现了在复杂数据处理中的潜力。该技术为实时数据应用提供了新的可能性。