StableDiffusionXLTurbo:对抗性扩散蒸馏技术的图像生成突破

近日，知名科技媒体IT之家报道了一则关于Stability AI公司推出的最新产品——Stable Diffusion XL Turbo（简称SDXL Turbo）的消息。SDXL Turbo是先前SDXL模型的升级版，其最大亮点在于采用了业界领先的“对抗性扩散蒸馏技术（Adversarial Diffusion Distillation）”。这一技术的应用使得SDXL Turbo在图片生成的迭代步骤方面有了显著的提升，从原先的50步缩短到了仅需1步。这意味着，用户只需进行一次迭代步骤，就能轻松生成出高质量图像。

据悉，Stable Diffusion XL Turbo 模型的最大特点，就是上述“一次迭代生成图像”，号称可以进行“即时文字转图像输出”，并能够保证图片的质量。

“对抗性扩散蒸馏技术”是一种融合了“蒸馏技术”与“对抗训练”的技术，其核心在于利用现有的大型图像扩散模型作为“教师网络”，引导并优化模型的生成过程。具体而言，这种技术通过“蒸馏技术”，也就是将大型模型的知识进行提炼与精简，使其能够被更小的模型所吸收，从而提高模型的学习效果。同时，借助对抗性训练，模型得以改进，进一步提升其对教师模型输出的模拟能力。

在过去的模型蒸馏过程中，效率与品质的平衡一直是一个难题。由于快速采样往往会牺牲输出品质，因此，Stable Diffusion XL Turbo模型的出现，标志着在高效生成高品质图像方面，对抗性扩散蒸馏技术取得了显著的突破。

在本次研究中，我国官方对比了Stable Diffusion XL Turbo模型与多种不同模型变体，如StyleGAN-T、OpenMUSE、IF-XL、SDXL以及LCM-XL。为了全面评估这些模型的性能，我们采用了两个实验来检验它们的能力。在第一个实验中，我们让模型评估人员随机观察并比较两项模型的输出结果，然后从中挑选出最符合题目要求的输出图像。这个实验旨在考察模型在不同输入条件下的响应能力和准确性。第二个实验的设计与第一个实验非常相似，只是在具体操作上略微调整。在这个实验中，模型评估人员需要从多个模型输出中挑选出品质最佳的图像。这样的设置有助于我们进一步了解模型在图像质量上的优势和劣势。综合这两个实验的结果，我们可以得出以下结论：Stable Diffusion XL Turbo模型在多项评估指标上均表现出较高的水平，不仅在符合题目要求的图像选择上表现出色，同时在图像品质方面的优势也相当明显。这使得该模型在当前的研究领域具有很高的竞争力。

实验结果显示，Stable Diffusion XL Turbo 在大幅降低运算需求的同时，仍可以保持良好的图像生成品质，该模型单词迭代，即胜过 4 次迭代的 LCM-XL，而 4 次迭代的 Stable Diffusion XL Turbo 就可击败此前经过 50 步迭代配置的 Stable Diffusion XL；在 A100 GPU 上，计算 512×512 分辨率的图像，只需 207 毫秒。