Mô hình nhất quán tiềm ẩn
Mô hình nhất quán tiềm ẩn (LCM) là một kỹ thuật cho phép trình tạo hình ảnh khuếch tán tạo ra hình ảnh chất lượng cao chỉ trong một đến bốn bước thay vì hàng chục bước thông thường.
Tổng quan
They make near-real-time, interactive image generation practical even on modest hardware.
Lặn sâu
Các mô hình khuếch tán tiềm ẩn tiêu chuẩn như Khuếch tán ổn định bắt đầu từ nhiễu và khử nhiễu lặp đi lặp lại, thường cần 20 đến 50 đánh giá mạng để tạo một hình ảnh, tốc độ này rất chậm. LCM, được Luo và các đồng nghiệp giới thiệu vào năm 2023, áp dụng phương pháp chưng cất nhất quán trong không gian tiềm ẩn của mô hình khuếch tán đã được huấn luyện trước. Ý tưởng chính: huấn luyện mạng sinh viên chuyển thẳng đến kết quả rõ ràng từ bất kỳ điểm nào dọc theo quỹ đạo khử nhiễu, để đạt được cùng một câu trả lời trong một bước lớn mà trước đây phải thực hiện nhiều bước nhỏ. Kết quả là hình ảnh sắc nét trong khoảng 1 đến 4 bước. Một kỹ thuật đồng hành, LCM-LoRA, gói khả năng tăng tốc này như một bộ chuyển đổi plug-in nhỏ có thể được thả vào các mô hình Khuếch tán ổn định được tinh chỉnh hiện có mà không cần đào tạo lại toàn bộ mạng.
Hiểu biết kỹ thuật
Các mô hình nhất quán thực thi thuộc tính 'tự nhất quán': bất kỳ hai điểm nào trên cùng một đường khử nhiễu (quỹ đạo ODE luồng xác suất) phải ánh xạ tới cùng một hình ảnh sạch cuối cùng. Học sinh được chắt lọc từ mô hình khuếch tán của giáo viên để đáp ứng điều này, học cách dự đoán trực tiếp điểm cuối của quỹ đạo. Làm việc trong không gian tiềm ẩn được nén thay vì pixel khiến cho việc chưng cất trở nên rẻ tiền. Bởi vì một đánh giá có thể vượt qua quỹ đạo nên việc lấy mẫu lặp đi lặp lại nhiều sẽ được chia thành một số bước.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của các mô hình nhất quán tiềm ẩn
Thế hệ vài bước hiện đang là xu hướng chủ đạo, với những thế hệ kế nhiệm như SDXL-Turbo, cải tiến LCM và phương pháp chưng cất đối nghịch nâng chất lượng lên một đến hai bước. Kỳ vọng điều này sẽ hỗ trợ chỉnh sửa hình ảnh trực tiếp, dễ dàng, tạo khung video theo thời gian thực và tạo trên thiết bị trên điện thoại. Biên giới đang thu hẹp khoảng cách nhỏ về chất lượng với khả năng khuếch tán nhiều bước đầy đủ và mở rộng quá trình chắt lọc tính nhất quán cho video và 3D, trong đó mức tiết kiệm từ việc cắt số bước thậm chí còn đáng kể hơn.
Triển khai trong thế giới thực
Các công cụ canvas thời gian thực cập nhật hình ảnh được tạo khi bạn nhập hoặc phác thảo, với độ trễ gần như bằng 0
Chạy tính năng tạo hình ảnh Khuếch tán ổn định trên GPU máy tính xách tay hoặc điện thoại trong một phần giây
Thả bộ điều hợp LCM-LoRA vào mô hình đã tinh chỉnh hiện có để tăng tốc ngay lập tức mà không cần đào tạo lại
Tạo hàng loạt hình ảnh lớn với giá rẻ để khám phá thiết kế bằng cách cắt các bước từ ~30 xuống còn ~4
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Latent Consistency Models quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Mô hình khuếch tán tiềm ẩn
Câu hỏi thường gặp
What is Latent Consistency Models?
Mô hình nhất quán tiềm ẩn (LCM) là một kỹ thuật cho phép trình tạo hình ảnh khuếch tán tạo ra hình ảnh chất lượng cao chỉ trong một đến bốn bước thay vì hàng chục bước thông thường. Chúng giúp việc tạo hình ảnh tương tác gần như theo thời gian thực trở nên thiết thực ngay cả trên phần cứng khiêm tốn.
Ưu điểm chính của Mô hình nhất quán tiềm ẩn so với khuếch tán tiềm ẩn tiêu chuẩn là gì?
LCM thu gọn nhiều bước khử nhiễu của khuếch tán tiêu chuẩn thành khoảng từ một đến bốn, cho phép tạo ra gần như thời gian thực.
Mô hình nhất quán thực thi thuộc tính 'tự thống nhất' nào?
Tính nhất quán có nghĩa là các điểm dọc theo cùng một quỹ đạo ODE theo luồng xác suất đều ánh xạ tới cùng một đầu ra sạch cuối cùng.
LCM thực hiện quá trình chưng cất ở không gian nào?
Hoạt động trong không gian tiềm ẩn, giống như Khuếch tán ổn định, giúp quá trình chưng cất nhất quán trở nên hiệu quả.
LCM-LoRA cho phép bạn làm gì?
LCM-LoRA đóng gói khả năng tăng tốc như một bộ chuyển đổi nhẹ phù hợp với các mô hình Khuếch tán ổn định đã được tinh chỉnh hiện có.
Làm thế nào để một mô hình nhất quán đạt được việc tạo ra một vài bước?
Mạng sinh viên được chắt lọc để dự đoán điểm cuối của quỹ đạo khử nhiễu trong một bước nhảy thay vì nhiều bước nhỏ.