一秒十图！英伟达MIT联手刷新SOTA，一步扩散解锁实时高质量可控图像生成

文章预览

   新智元报道   编辑：LRS 好困 【新智元导读】 SANA-Sprint是一个高效的蒸馏扩散模型，专为超快速文本到图像生成而设计。通过结合连续时间一致性蒸馏（sCM）和潜空间对抗蒸馏（LADD）的混合蒸馏策略，SANA-Sprint在一步内实现了7.59 FID和0.74 GenEval的最先进性能。SANA-Sprint仅需0.1秒即可在H100上生成高质量的1024x1024图像，在速度和质量的权衡方面树立了新的标杆。 扩散生成模型通常需要50-100次迭代去噪步骤，效率很低，时间步蒸馏技术可以极大提高推理效率， 「基于分布的蒸馏」方法 ，如生成对抗网络GAN及其变分分数蒸馏VSD变体，以及 「基于轨迹的蒸馏方法」 （如直接蒸馏、渐进蒸馏、一致性模型）可以实现 10-100倍 的图像生成加速效果。 但仍然存在一些关键难点，比如基于GAN的方法由于对抗动态的振荡特性和模式坍塌问题，训练过程不稳定；基 ………………………………