Stable Diffusion - Sampler - Zhihu Sampler : Веб-интерфейс Stable Diffusion предоставляет нам на выбор большое количество сэмплеров, таких как Eular a, Heum, DDIM и т. д. Каковы различия между разными сэмплерами? В работе Как выбрать? Эта статья подробно объяснит, как работает сэмплер и различные сэмплы... https://zhuanlan.zhihu.com/p/621083328 https://github.com/huggingface/diffusers/issues/1633 https://github.com /huggingface/диффузоры/проблемы/1633
В настоящее время в стабильной диффузии-webui 1.6 имеется 30 сэмплеров. В принципе, большинство из них основаны на DDPM. Основываясь на базовой парадигме модели диффузии, процесс добавления шума и шумоподавления можно в основном разделить на три основные категории с точки зрения Первый — это ранние семплеры старой школы, второй — алгоритм DPM, выпущенный в 2022 году, а третий — новый сэмплер, выпущенный в 2023 году.
В первой категории DDIM и PLMS были предложены вместе с первой версией sd и устарели. Эйлер, Хойн и LMS — классические решатели ОДУ. Хойн улучшен по сравнению с Эйлером и работает в два раза медленнее. LMS — решатель линейных полиномов. Для работы ног просто оставьте Euler /a. Все сэмплеры с значком в них являются сэмплерами-предками, и сгенерированные графики не сходятся.Этот тип сэмплеров-предков будет добавлять шум на каждом этапе выборки.По мере увеличения количества шагов выборки картина станет более или менее иной.Там есть некоторые изменения, и нет сходимости. Напротив, сэмплер, который может сходиться, будет стремиться к фиксированному изображению по мере увеличения количества шагов выборки. Преимущество отсутствия сходимости состоит в том, что он привносит в изображение определенные случайные детали.
Вышеуказанное представляет собой алгоритм DPM, который можно сохранить. Алгоритм генерации DPM не используется, и сэмплер DPM2 не рекомендуется. Качество может быть лучше, но время рендеринга увеличится вдвое. DPM++ — это улучшение алгоритма первого поколения. По сравнению с исходным алгоритмом тот, что с каррасом, лучше.После 8 шагов выборки шум будет намного меньше, более качественные изображения можно будет получить с меньшим количеством шагов выборки, а скорость добавления heun будет очень медленной. s представляет собой один шаг, 2m представляет многоэтапную выборку 2-го порядка, а 2m — это обновленная версия 2s.