主流文生图模型固然已经能生成异常真切的图片，但通常渲染时间异常缓慢。麻省理工学院携手 Adobe 公司近日研发了 DMD 方法，在尽量不影响图象质量的情况下，加快图象生成速度。DMD 技术的全称是 Distribution Matching Distillation，将多步散布模型简化为一步图象生成解决方案。团队表示：“我们的核心理念是训练两个散布（diffusion）模型，不仅能预估目标真实漫衍（real distribution）的得分函数，还能估计假漫衍（fake distribution）的得分函数。”研究
主流文生图模型固然已经能生成异常真切的图片，但通常渲染时间异常缓慢。麻省理工学院携手 Adobe 公司近日研发了 DMD 方法，在尽量不影响图象质量的情况下，加快图象生成速度。
DMD 技术的全称是 Distribution Matching Distillation，将多步散布模型简化为一步图象生成解决方案。
团队表示：“我们的核心理念是训练两个散布（diffusion）模型，不仅能预估目标真实漫衍（real distribution）的得分函数，还能估计假漫衍（fake distribution）的得分函数。”
研究人员称，他们的模型可以在现代 GPU 硬件上每秒生成 20 幅图象。在上面的视频短片重点介绍了 DMD 与 Stable Diffusion 1.5 相比的图象生成能力。标清每幅图象 Stable Diffusion 1.5 需要 1.4 秒，而 DMD 只需几分之一秒就能生成类似的图象。
IT之家附上参考地址
One-step Diffusion with Distribution Matching Distillation