麦克雷

标题: Stable Diffusion-采样器篇 [打印本页]

作者: jickg 时间: 2024-4-29 07:43
标题: Stable Diffusion-采样器篇
Stable Diffusion-采样器篇

作者: nfmtc 时间: 2024-4-29 07:44
Stable Diffusion采样器深度解析

在Stable Diffusion的webUI中，您将面临一个丰富的选择：Euler、Heun、DDIM等众多采样器，每一种都各具特色，它们在去噪和生成图像的过程中发挥着关键作用。这篇文章将深入剖析这些采样器的工作原理，以及它们之间的差异，帮助您根据需求选择最适合的工具。

快速入门指导

对于初步需求，如果您追求简洁和速度，Euler和Heun是不错的选择。只需减少Heun的步数，您就能得到较快的结果。而对速度和质量兼顾，推荐使用DPM++ 2M Karras，步长范围保持在20-30 UniPc，确保图像融合且新颖度高。

追求高质量的图像

对于高质量图像的追求，DPM++ SDE Karras是您的首选，步长范围设为8-12 DDIM，10-15步骤，确保图像的清晰度和稳定性。而关注图像稳定性与可重现性，避免使用祖先采样器，以确保每次输出的一致性。

采样过程详解

Stable Diffusion的流程包括前向扩散和后向去噪。在Latent Space生成随机图像后，噪声预测器逐步减去预测的噪声。每一步的采样，无论是Euler的一步到位，还是Heun的逐步精确，都是为了在去噪过程中逐渐呈现清晰图像。而Noise Schedule则决定了降噪的节奏。

采样器种类与特性

Euler和Heun采样器属于一阶，Euler更简单但精度较低，Heun更精确但耗时较长。LMS则介于两者之间。祖先采样器如Euler a、aDPM++ 2S等，虽然有随机性，但可能导致图像不收敛，因此在需要可重现性时需谨慎使用。

Karras采样器的优化

<Karras采样器采用了Karras论文中的优化，噪音步长在最后阶段减小，显著提升图像质量。与默认方法相比，Karras采样器在细节表现上更胜一筹。
经典与新兴采样技术

DDIM和PLMS是早期采样器，但已过时。DPM系列，尤其是DPM++，引入了自适应步长，但计算速度可能较慢。UniPC则在5-10步内展现高画质，而K-diffusion采样器则涵盖了其他非主流选项。

评估与比较

通过对比不同采样器在40轮迭代中的收敛速度，Euler成为基准。PLMS和祖先采样器收敛性能差，而Heun和DPM++ Karras的性能优于预期。DPM++ 2M Karras在步数充足时，收敛速度尤为显著。

速度与效率

DPM++ SDE和DPM++ SDE Karras虽然质量上表现欠佳，但在速度方面，DPM++ 2M Karras的性能优于其他一阶和二阶方法。然而，自适应采样器如DPM Adapter可能因计算成本增加而显得缓慢。

综上所述，选择Stable Diffusion的采样器时，务必考虑您的具体需求，从速度、质量、稳定性及可重现性等多方面进行权衡，以找到最适合的采样方案。

欢迎光临麦克雷 (https://mavom.cn/)