# 层次扩散分类器

该工作提出层级扩散分类器（HDC），利用数据集标签的父子层级结构，在剪枝阶段逐层用较少的蒙特卡洛采样估计ε-预测误差并只保留误差最低的若干节点，再对保留下来的叶节点执行经典扩散分类，从而在ImageNet-1K上以Stable Diffusion 2.0实现约60%的推理加速（1600秒降至650秒）或在几乎不增加时间的情况下把逐类准确率从64.90%提升到65.16%。

该工作提出层级扩散分类器（HDC），利用数据集标签的父子层级结构，在剪枝阶段逐层用较少的蒙特卡洛采样估计ε-预测误差并只保留误差最低的若干节点，再对保留下来的叶节点执行经典扩散分类，从而在ImageNet-1K上以Stable Diffusion 2.0实现约60%的推理加速（1600秒降至650秒）或在几乎不增加时间的情况下把逐类准确率从64.90%提升到65.16%。