SDXL-Lightning：渐进式对抗扩散蒸馏
SDXL-Lightning: Progressive Adversarial Diffusion Distillation
AI总结：
本文提出结合渐进式与对抗蒸馏的SDXL-Lightning，实现基于SDXL的单步/少步1024px文生图新SOTA，并开源LoRA与完整UNet权重。
摘要：
我们提出一种扩散蒸馏方法，在基于SDXL的单步/少步1024px文本到图像生成中取得了新的最先进水平。该方法结合渐进式蒸馏与对抗蒸馏，以在质量和模式覆盖之间取得平衡。本文讨论了理论分析、判别器设计、模型表述及训练技术。我们以LoRA和完整UNet权重形式开源蒸馏后的SDXL-Lightning模型。
英文摘要：
We propose a diffusion distillation method that achieves new state-of-the-art in one-step/few-step 1024px text-to-image generation based on SDXL. Our method combines progressive and adversarial distillation to achieve a balance between quality and mode coverage. In this paper, we discuss the theoretical analysis, discriminator design, model formulation, and training techniques. We open-source our distilled SDXL-Lightning models both as LoRA and full UNet weights.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
