SDXL Turbo

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

论文的摘要如下：

我们引入了对抗性扩散蒸馏（Adversarial Diffusion Distillation, ADD），这是一种新颖的训练方法，能够在仅 1-4 步内高效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的图像扩散模型作为教师信号，并结合对抗性损失，以确保在一步或两步采样的低步长情况下仍能保持高图像保真度。我们的分析表明，我们的模型在单步采样中明显优于现有的少步长方法（GANs、潜在一致性模型），并在仅四步内达到最先进的扩散模型（SDXL）的性能。ADD 是首个解锁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。请参阅 SDXL API 参考以获取更多详细信息。
• SDXL Turbo 应通过设置 guidance_scale=0.0 来禁用引导尺度。
• SDXL Turbo 应为调度器使用 timestep_spacing='trailing'，并使用 1 到 4 步。
• SDXL Turbo 已被训练用于生成 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。