脉冲扩散模型

论文 Spiking Diffusion Models 主要内容是提出了“脉冲扩散模型（Spiking Diffusion Models, SDMs）”，一种基于脉冲神经网络（SNN）的生成模型，旨在解决传统人工神经网络（ANN）在图像生成领域中的高能耗和计算强度问题。脉冲神经网络因其生物学上的合理性和低能耗特性而受到广泛关注。

对最先进的SNN模型进行比较。FID采用log2尺度，标记的大小对应于IS指标。与其他SNN生成模型相比，我们的模型在使用较少时间步长的情况下表现出更好的FID。

一、引言

本论文提出了一种名为“脉冲扩散模型（Spiking Diffusion Models, SDMs）”的新型生成模型。SDMs结合了脉冲神经网络（Spiking Neural Networks, SNNs）的低能耗特性与扩散模型（Diffusion Models）的强大生成能力，旨在解决传统人工神经网络（Artificial Neural Networks, ANNs）在图像生成任务中面临的高能耗和计算强度问题。脉冲神经网络因其生物学上的合理性和高效的能量利用率，近年来在神经计算领域受到广泛关注。然而，现有的SNN生成模型在图像质量和生成性能方面尚未达到ANN模型的水平。为此，本文提出了两项核心创新，以提升SNN在生成任务中的表现。

二、相关工作

2.1 脉冲神经网络（SNNs）

SNNs模拟生物神经元的脉冲传递机制，通过