划重点:

- 通过优化采样计划提升生成模型效率和质量

- 可适用于多种数据合成基准测试，低步包括图像、数推适用视频等

- 用户友好的理保插拔式优化计划应用，提升生成过程中的持高稳定性和质量

CSS站长资源（ChinaZ.com）4月26日 消息:在深度学习领域，扩散模型（DMs）作为生成建模的质量前沿方法已经得到广泛应用。然而，结果DMs 的低步一个关键缺点是其较慢的采样速度，这主要是数推适用由于需要通过大型神经网络进行多次顺序函数评估。

本文提出了一种名为 “步调齐整（Align Your Steps）” 的理保全新方法，旨在为 DMs 优化采样计划，持高从而实现高质量输出。质量该技术适用于SD1.5和SDXL，结果低步数的低步同时保持高质量结果。通过利用随机微积分方法，数推适用针对不同的理保求解器、训练的 DMs 和数据集找到最佳的采样计划。在多个图像、视频以及二维数据合成基准测试中，优化计划几乎在所有实验中优于先前手工制定的计划。这一方法展示了采样计划优化的潜力，特别是在少步骤合成领域。

通过严格的定量实验，发现优化计划在标准图像生成基准测试中显著提升图像质量，无论使用哪种流行的采样器都能得到一致的改进。此外，研究还针对文本到图像模型进行了用户研究，结果显示使用优化计划生成的图像更受欢迎。

下面展示了一些文本到图像的例子，对比展示了使用优化计划与实践中使用的两种最流行计划（EDM 和 Time-Uniform）的效果。

此外，在视频生成方面进行了研究，发现使用优化计划可以在视频生成过程中产生更加稳定的视频，减少随时间推移的颜色失真。

产品入口:https://top.aibase.com/tool/align-your-steps

在线colab:https://colab.research.google.com/drive/1cIwbbO4HRP1aUQ8WcbQBaT8p3868k7BC?usp=sharing

适用于SDXL的ComfyUI工作流:https://openart.ai/workflows/KrmAPmuIWMzztrE7Qkrc

(责任编辑：业界)