Translations:Diffusion Models Are Real-Time Game Engines/68/zh
為了消除噪聲增強的影響，我們訓練了一個不添加噪聲的模型。我們對標準噪聲增強模型和不添加噪聲的模型（經過 200,000 步訓練後）進行自回歸評估，並計算在隨機保留的 512 條軌跡上預測幀與真實幀之間的 PSNR 和 LPIPS 指標。我們在圖 7 中報告了每個自回歸步驟的平均指標值，最多可達 64 幀。
為了消除噪聲增強的影響，我們訓練了一個不添加噪聲的模型。我們對標準噪聲增強模型和不添加噪聲的模型（經過 200,000 步訓練後）進行自回歸評估，並計算在隨機保留的 512 條軌跡上預測幀與真實幀之間的 PSNR 和 LPIPS 指標。我們在圖 7 中報告了每個自回歸步驟的平均指標值，最多可達 64 幀。