SDXL Turbo

Stable Diffusion XL (SDXL) Turbo 由 Axel Sauer、Dominik Lorenz、Andreas Blattmann 和 Robin Rombach 在 Adversarial Diffusion Distillation 中提出。

该论文的摘要如下：

我们介绍了对抗扩散蒸馏 (ADD)，这是一种新颖的训练方法，可以在仅 1-4 步中高效地采样大型基础图像扩散模型，同时保持高图像质量。我们使用分数蒸馏来利用大规模现成的图像扩散模型作为教师信号，并结合对抗性损失，以确保即使在一步或两步采样的低步长方案中也具有高图像保真度。我们的分析表明，我们的模型在单步中明显优于现有的少步方法（GAN、Latent Consistency Models），并且仅需四步即可达到最先进的扩散模型 (SDXL) 的性能。ADD 是第一个通过基础模型解锁单步实时图像合成的方法。

提示

• SDXL Turbo 使用与 SDXL 完全相同的架构，这意味着它也具有相同的 API。 有关更多详细信息，请参阅 SDXL API 参考。
• SDXL Turbo 应该通过设置 guidance_scale=0.0 来禁用 guidance scale。
• SDXL Turbo 应该为 scheduler 使用 timestep_spacing='trailing'，并在 1 到 4 步之间使用。
• SDXL Turbo 已经过训练，可以生成 512x512 尺寸的图像。
• SDXL Turbo 是开放访问的，但不是开源的，这意味着人们可能需要购买模型许可证才能将其用于商业应用。请务必阅读 官方模型卡 以了解更多信息。

< > 更新 在 GitHub 上