Swd Large 4 Steps

🚀 Scale-wise Distillation 3.5 Large

Scale-wise Distillation (SwD) 是一个用于加速扩散模型 (DMs) 的全新框架，它通过在生成过程中逐步提高空间分辨率来实现加速。与全分辨率模型相比，SwD 能显著提升速度（2.5 倍至 10 倍），同时还能保持甚至提高图像质量。

项目页面：https://yandex-research.github.io/swd
GitHub：https://github.com/yandex-research/swd
演示：https://huggingface.co/spaces/dbaranchuk/Scale-wise-Distillation

🚀 快速开始

安装依赖

将 🧨 diffusers 库 升级到最新版本：

pip install -U diffusers

运行代码

（可能需要指定可见设备：%env CUDA_VISIBLE_DEVICES=0，以确保 LoRAs 正确加载。）

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

📄 许可证

本项目采用 Apache-2.0 许可证。

📚 引用

如果您在研究中使用了本项目，请使用以下 BibTeX 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}
}