SDXL Turbo

SDXL Turbo（Stable Diffusion XL Turbo）由 Axel Sauer、Dominik Lorenz、Andreas Blattmann 和 Robin Rombach 在對抗性擴散蒸餾中提出。

論文摘要如下：

我們引入了對抗性擴散蒸餾（ADD），這是一種新穎的訓練方法，能夠高效地在僅 1-4 步內取樣大規模基礎影像擴散模型，同時保持高影像質量。我們使用分數蒸餾來利用大規模現成影像擴散模型作為教師訊號，並結合對抗性損失，以確保即使在一步或兩步取樣等低步數情況下也能保持高影像保真度。我們的分析表明，在單步生成中，我們的模型明顯優於現有的小步數方法（GANs、潛在一致性模型），並且僅需四步即可達到最先進的擴散模型（SDXL）的效能。ADD 是第一個實現基礎模型單步即時影像合成的方法。

提示

• SDXL Turbo 使用與SDXL完全相同的架構，這意味著它也具有相同的 API。有關更多詳細資訊，請參閱SDXL API 參考。
• SDXL Turbo 應透過設定guidance_scale=0.0來停用引導比例。
• SDXL Turbo 應在排程器中使用timestep_spacing='trailing'，並使用 1 到 4 步。
• SDXL Turbo 已經過訓練，可生成 512x512 大小的影像。
• SDXL Turbo 是開放訪問的，但並非開源，這意味著商業應用可能需要購買模型許可證。請務必閱讀官方模型卡片以瞭解更多資訊。

< > 在 GitHub 上更新