作者丨mike young
译文：重新创作内容而不改变原义的语言是中文，无需出现原句
审校内容，无需改变原意，需要将语言改写为中文，不需要出现原句
推荐 | 51CTO技术栈（微信号：blog51cto）
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
图片
由于一项名为潜在一致性模型（LCM）的新技术的出现，AI将迎来在将文本转换成图像方面的重大突破。传统方法如潜在扩散模型（LDM）在使用文本提示生成详细、创造性图像方面表现出色，但其致命缺点是速度较慢。使用LDM生成单个图像可能需要进行数百个步骤，这对于许多实际应用来说速度实在太慢了
重新写成中文： LCM通过减少生成图像所需步骤的数量来改变游戏规则。与LDM需要数百步才能辛苦地生成图像相比，LCM只需1到4步就能得到类似质量的结果。为了实现这种效率，LCM将预训练的LDM提炼成更简洁的形式，从而大大减少了所需的计算资源和时间。我们将分析一篇最近的论文，介绍LDM模型的工作原理
本文还介绍了一种名为LCM-LoRA的创新，这是一种通用的Stable-Diffusion加速模块。该模块可以插入到各种Stable--Diffusion微调模型，无需任何额外的训练。它是一种普遍适用的工具，可以加速各种图像生成任务，使其成为利用AI创建图像的潜在利器。我们还将剖析论文的这个部分。
1、高效训练LCM
在神经网络领域，存在一个巨大的挑战，即需要庞大的计算能力，尤其是在训练复杂方程的神经网络时。然而，这篇论文的团队采用了一种名为提炼的巧妙方法，成功地解决了这个问题
重写后的内容: 研究团队的方法如下：首先，他们使用一个文本与图像配对的数据集来训练一个标准的潜在扩散模型（LDM）。一旦LDM被启动并运行，他们将其用作导师，生成新的训练数据。然后，他们使用这些新数据来训练潜在一致性模型（LCM）。最吸引人的是，LCM可以从LDM的能力中学习，而无需从头开始使用庞大的数据集进行训练
真正重要的是这个过程的效率。研究人员仅使用单个GPU就在大约32小时内完成了高质量LCM的训练。这很重要，因为它比以前的方法快得多、实用得多。这意味着现在更多的人和项目都可以创建这种先进的模型，而不是只有享有超级计算资源的人才能创建。
图1、LCM-LoRA概述
通过将LoRA引入到LCM的提炼过程中，我们显著降低了提炼的内存开销，这使得我们可以用有限的资源训练更庞大的模型，比如SDXL和SSD-1B。更重要的是，通过LCM-LoRA训练获得的LoRA参数（“加速向量”）可以直接与通过针对特定样式的数据集进行微调获得的其他LoRA参数（“样式向量”）结合起来。无需任何训练，由加速向量和样式向量的线性组合获得的模型获得了以最少的采样步骤生成特定绘画样式的图像这种能力。
2、结果
该研究展示了基于潜在一致性模型（LCM）利用AI生成图像方面的重大进展。LCM擅长仅用四个步骤就能创建高质量的512x512图像，与潜在扩散模型（LDM）等传统模型所需的数百个步骤相比有了显著改进。这些图像拥有清晰的细节和逼真的纹理，这个优点在下面的例子中尤为明显。
图片
图2、论文声称：“使用从不同的预训练扩散模型中提取的潜在一致性模型生成的图像。我们使用LCM-LoRA-SD-V1.5生成512×512分辨率的图像，使用LCM-LoRA-SDXL和LCM-LoRA-SSD-1B生成1024×1024分辨率的图像。”
这些模型不仅可以轻松处理较小的图像，还擅长生成更庞大的1024x1024图像。它们展示了一种扩展到比以前大得多的神经网络模型的能力，展示了其适应能力。在论文中的示例中（比如LCM-LoRA-SD-V1.5和LCM-LoRA-SSD-1B版本的示例），阐明了该模型在各种数据集和实际场景中的广泛适用性
3、局限性
LCM的当前版本存在几处局限性。最重要的是两个阶段的训练过程：首先训练LDM，然后用它来训练LCM。在未来的研究中，可能会探索一种更直接的LDM训练方法，因而可能不需要LDM。论文主要讨论无条件图像生成，条件生成任务（比如文本到图像的合成）可能需要做更多的工作。
4、主要的启示
潜在一致性模型（LCM）在快速生成高质量图像方面迈出了重要一步。这些模型只需1到4步就能生成与较慢的LDM相媲美的结果，可能会彻底改变文本到图像模型的实际应用。虽然目前存在一些局限性，特别是在训练过程和生成任务的范围方面，但LCM标志着基于神经网络的实用图像生成取得了重大进展。提供的示例强调了这些模型的潜力
5、LCM-LoRA作为通用加速模块
在引言中提到的，该论文分为两个部分。第二部分讨论了LCM-LoRA技术，它能够使用较少的内存对预训练模型进行微调，从而提高效率
这里的关键创新是将LoRA参数集成到LCM中，从而生成结合两者优点的混合模型。这种集成对于创建特定样式的图像或响应特定任务特别有用。如果选择和组合不同的LoRA参数集，每个参数集又都针对独特的样式进行微调，研究人员创建了一个多功能模型，可以用最少的步骤生成图像，不需要额外的训练。
通过将针对特定绘画样式进行微调的LoRA参数与LCM-LoRA参数相结合的例子，他们在研究中证明了这一点。这种组合允许在不同的采样步骤（如2步、4步、8步、16步和32步）创建样式迥异的1024 × 1024分辨率图像。结果显示，这些组合的参数无需进一步训练即可生成高质量的图像，凸显了该模型的效率和通用性
这里值得关注的一个地方是使用所谓的“加速向量”（τLCM）和“样式向量”（τ），两者使用特定的数学公式（λ1和λ2是这些公式中的可调整因子）组合在一起。这种组合产生的模型可以快速地生成定制样式的图像。
论文中的图3（如下所示）通过展示特定样式LoRA参数与LCM-LoRA参数结合的结果，表明了这种方法的有效性。这证明了该模型能够快速高效地生成样式不同的图像。
图3
总的来说，本文的这一部分强调了LCM-LoRA模型的通用性和高效性，它可以用于快速生成高质量的特定样式图像，而只需使用很少的计算资源。该技术的应用范围广泛，有望彻底改变从数字艺术到自动化内容创作等各个领域中图像生成的方式
6、结论
我们研究了一种新的方法，即潜在一致性模型（LCM），用于加快从文本生成图像的过程。与传统的潜在扩散模型（LDM）不同，LCM只需1到4个步骤即可生成质量相似的图像，而不需要数百个步骤。这种显著的效率提升是通过提炼方法实现的，即使用预训练的LDM来训练LCM，从而避免了大量的计算
此外，我们还研究了LCM-LoRA，这是一种使用低秩自适应（LoRA）对预训练模型进行微调的增强技术，以降低内存需求。这种集成方法可以在不需要额外训练的情况下，通过最小的计算步骤创建特定样式的图像
着重强调的关键结果包括LCM仅用几个步骤就能创建高质量的512x512和1024x1024图像，而LDM却需要数百个步骤。然而，目前存在的局限性是LDM依赖两步训练过程，因此你仍需要LDM开始入手！未来的研究可能会简化这个过程。
LCM特别是在提议的LCM-LoRA模型中与LoRA结合使用时，是一种非常巧妙的创新。它们提供了更快速、更高效地创建高质量图像这个优点，我认为它们在数字内容创建方面有着广泛的应用前景。
参考链接：https://notes.aimodels.fyi/lcm-lora-a-new-method-for-generating-high-quality-images-much-faster/
