MLCM: 多步一致性蒸馏的潜态扩散模型
原文中文，约400字，阅读约需1分钟。发表于：。将大型潜在扩散模型（LDMs）提炼为快速采样模型是一个备受关注的研究领域，本文通过扩展最新的多步一致性提炼（MCD）策略，建立了用于低成本高质量图像合成的多步潜在一致性模型（MLCM）。MLCM 通过与强调联合段一致性的渐进训练策略相结合，能够提高少步骤生成的质量。实验结果表明，MLCM 仅需 2-8 个采样步骤即可产生高质量、令人愉悦的图像，比 4 步骤的 LCM、8 步骤的...
本文介绍了一种用于低成本高质量图像合成的多步潜在一致性模型（MLCM），通过渐进训练策略提高生成质量。实验结果表明，MLCM 仅需 2-8 个步骤即可产生高质量图像。此外，MLCM 在可控生成、图像风格转移和中文到图像生成等方面展示了多功能性。
