Align Your Steps：低步数推理保持高质量结果 适用于SD 1.5和SDXL

　　在深度学习领域，扩散模型(DMs)作为生成建模的前沿方法已经得到广泛应用。然而，DMs 的一个关键缺点是其较慢的采样速度，这主要是由于需要通过大型神经网络进行多次顺序函数评估。

　　本文提出了一种名为 “步调齐整(Align Your Steps)” 的全新方法，旨在为 DMs 优化采样计划，从而实现高质量输出。该技术适用于SD1.5和SDXL，低步数的同时保持高质量结果。通过利用随机微积分方法，针对不同的求解器、训练的 DMs 和数据集找到最佳的采样计划。在多个图像、视频以及二维数据合成基准测试中，优化计划几乎在所有实验中优于先前手工制定的计划。这一方法展示了采样计划优化的潜力，特别是在少步骤合成领域。

　　通过严格的定量实验，发现优化计划在标准图像生成基准测试中显著提升图像质量，无论使用哪种流行的采样器都能得到一致的改进。此外，研究还针对文本到图像模型进行了用户研究，结果显示使用优化计划生成的图像更受欢迎。

　　下面展示了一些文本到图像的例子，对比展示了使用优化计划与实践中使用的两种最流行计划(EDM 和 Time-Uniform)的效果。

　　此外，在视频生成方面进行了研究，发现使用优化计划可以在视频生成过程中产生更加稳定的视频，减少随时间推移的颜色失真。