Swd Large 4 Steps

🚀 Scale-wise Distillation 3.5 Large

Scale-wise Distillation (SwD)は、生成プロセス中に空間解像度を段階的に上げることで、拡散モデル（DM）を高速化するための新しいフレームワークです。
SwDは、全解像度モデルと比較して大幅な高速化（2.5倍から10倍）を達成し、画像品質を維持または向上させます。

プロジェクトページ: https://yandex-research.github.io/swd
GitHub: https://github.com/yandex-research/swd
デモ: https://huggingface.co/spaces/dbaranchuk/Scale-wise-Distillation

🚀 クイックスタート

📦 インストール

🧨 diffusersライブラリを最新バージョンにアップグレードします。

pip install -U diffusers

💻 使用例

基本的な使用法

（おそらく、LoRAの正しい読み込みのために、可視デバイスを指定する必要があります: %env CUDA_VISIBLE_DEVICES=0）

import torch
from diffusers import StableDiffusion3Pipeline
from peft import PeftModel
pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-large",
                                                torch_dtype=torch.float16,
                                                custom_pipeline='quickjkee/swd_pipeline')
pipe = pipe.to("cuda")
lora_path = 'yresearch/swd-large-4-steps'
pipe.transformer = PeftModel.from_pretrained(
    pipe.transformer,
    lora_path,
)
generator = torch.Generator().manual_seed(1)
prompt = 'A cat holding a sign that reads Sample Faster'
sigmas = [1.0000, 0.8959, 0.7371, 0.6022, 0.0000]
scales = [64, 80, 96, 128]
images = pipe(
    prompt,
    sigmas=torch.tensor(sigmas).to('cuda'),
    timesteps=torch.tensor(sigmas[:-1]).to('cuda') * 1000,
    scales=scales,
    guidance_scale=0.0,
    height=int(scales[0] * 8),
    width=int(scales[0] * 8),
    generator=generator,
).images

📄 ライセンス

このプロジェクトは、Apache-2.0ライセンスの下で公開されています。

📚 引用

@article{starodubcev2025swd,
  title={Scale-wise Distillation of Diffusion Models},
  author={Nikita Starodubcev and Denis Kuznedelev and Artem Babenko and Dmitry Baranchuk},
  journal={arXiv preprint arXiv:2503.16397},
  year={2025}
}