SDXL Turbo

SDXL Turbo（Stable Diffusion XL Turbo）由 Axel Sauer、Dominik Lorenz、Andreas Blattmann 和 Robin Rombach 在对抗性扩散蒸馏中提出。

论文摘要如下：

我们引入了对抗性扩散蒸馏（ADD），这是一种新颖的训练方法，能够高效地在仅 1-4 步内采样大规模基础图像扩散模型，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等低步数情况下也能保持高图像保真度。我们的分析表明，在单步生成中，我们的模型明显优于现有的小步数方法（GANs、潜在一致性模型），并且仅需四步即可达到最先进的扩散模型（SDXL）的性能。ADD 是第一个实现基础模型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 应通过设置guidance_scale=0.0来禁用引导比例。
• SDXL Turbo 应在调度器中使用timestep_spacing='trailing'，并使用 1 到 4 步。
• SDXL Turbo 已经过训练，可生成 512x512 大小的图像。
• SDXL Turbo 是开放访问的，但并非开源，这意味着商业应用可能需要购买模型许可证。请务必阅读官方模型卡片以了解更多信息。

< > 在 GitHub 上更新