EVI-014
Evidence
Tab.13 compute_vs_fid + 主表：LDM-4-G 271 vs ADM 916 V100-day、0.4 vs 0.12 samples/s、FID 3.60/3.95 vs 10.94（支撑 CLM-014）。
| id | |
|---|---|
| updated | |
| type | evidence |
| claims | CLM-014 |
| source | PPR-2112.10752 |
| observation | Tab.13 compute_vs_fid（训练 V100-days + 推理 samples/s，A100）+ 主 ImageNet 256² 表（LDM-4/LDM-4-G vs ADM/ADM-G/BigGAN-deep，250 步） |
| method | class-conditional ImageNet 256²；LDM-4 400M latent U-Net，f=4；ADM 554M pixel U-Net；250 DDIM steps；两配置：主结果 cfg=1.5，算力表 cfg=1.25（178K steps, batch 1200）。 |
| scope | LDM-4 400M vs ADM 554M；250 步；cfg 1.5（主）/1.25（算力表） |
Result
训练算力（V100-days）：LDM-4-G 271 vs ADM 916 → ≈3.4× 更少。推理吞吐（samples/s, A100）：LDM-4-G 0.4 vs ADM 0.12 → ≈3.3× 更快。参数量：400M vs 554M。质量：LDM-4-G 主表 cfg=1.5 FID 3.60 / IS 247.67 / prec 0.87 / recall 0.48；算力表 cfg=1.25 FID 3.95 / IS 178.22 / prec 0.81 / recall 0.55。对比 ADM（250 步）FID 10.94；ADM-G FID 4.59（608M）；BigGAN-deep 6.95（340M）。
Caveats
两处 LDM-4-G 数值来自不同配置，勿混：主表 cfg=1.5 的 FID 3.60；算力表 cfg=1.25（178K, batch 1200）的 271 V100-days + 0.4 samples/s + FID 3.95。ADM 行按 250 步取（916, 0.12, 554M, 10.94），与 250 步 LDM 直接可比；ADM 另有 1000 步行（232 V100-days）不属此口径。“3.4×/3.3×” 为 916/271 与 0.4/0.12 之比，随所选口径浮动，非固定常数。DiT 侧（EVI-001）把 “LDM-4-G 3.60” 记为“此前所有 diffusion 模型最佳”，与本表一致，形成跨来源锚点。
关联（15）
- PPR-2112.10752 High-Resolution Image Synthesis with Latent Diffusion Models
- FRM-2112.10752 LDM 五层重建：感知压缩 AE + 潜空间扩散的两段分解，换取训练/采样成本大降；多任务多分辨率（256²/512²→~1024²）。
- CLM-014 在预训练感知 autoencoder 的 latent 空间训扩散模型，相对同等评估条件下的像素空间扩散模型，同时显著降低训练算力与采样/推理成本，且生成质量不降反升。
- EVI-001 Table 2/§5.1/App.A.1：DiT-XL/2-G 256 FID-50K 2.27（sFID 4.60/IS 278.24），3 通道 guidance 口径，优于 LDM-4-G 3.60 与 StyleGAN-XL 2.30（支撑 CLM-009）。
- VER-014 算力主张核验：271 vs 916 V100-day、0.4 vs 0.12 samples/s、FID 3.60/3.95 vs 10.94 与 compute_vs_fid 表逐项吻合，两 cfg 口径已分离。supported。
- EVI-013 co-source §1/§2.3/§2.4：感知/语义两段分解的论述与公式（支撑 CLM-013）。
- EVI-015 co-source Tab.423 firststage：matched 重建指标对比 VQGAN/DALL·E（支撑 CLM-015）。
- EVI-016 co-source §4.1 + Fig. cin_traincourse/speedplot：f 消融的训练/采样曲线（支撑 CLM-016）。
- EVI-017 co-source §2.5 + §4.3–4.5：cross-attention 条件机制与多模态应用（支撑 CLM-017）。
- EVI-018 co-source 主文 T2I 表 + ImageNet 主表：CFG 的推理期质量增益（支撑 CLM-018）。
- EVI-019 co-source 主文 T2I 对比表 + §4.3.1：1.45B 文本条件 LDM 对比 AR/diffusion（支撑 CLM-018 第二子命题）。
- EVI-020 co-source 无条件合成表：LDM 对 GAN/扩散基线的 FID/Precision/Recall（支撑 CLM-020）。
- EVI-021 co-source §4.3.2 + 大图样例：越分辨率泛化到 ~1024²/兆像素（支撑 CLM-021）。
- EVI-022 co-source §4.4/4.5 + Tab. srtable/inpainting：SR 与 inpainting 的高质高效结果（支撑 CLM-022）。
- EVI-023 co-source §10 Limitations + Fig. firststagecomparison：AE 重建瓶颈与迭代采样局限（支撑 CLM-023）。