新SD加速模型！相比LCM模型PCM出图又快又稳

摘要： 这几天世超突然发现个事儿英特尔现在的市值竟然只有的一半了就说最新的数据吧英特尔市值亿的亿哥们知道英特尔这几年拉但没想到月日消息最近一个新的加速模型已经可以使用了这个模型不仅解决了原...

这几天世超突然发现个事儿，英特尔现在的市值竟然只有 AMD 的一半了。 就说最新的数据吧，英特尔市值 1331.16 亿， AMD 的 2580.77 亿。哥们知道英特尔这几年拉，但没想到....

5月30日 消息:最近，一个新的加速模型——PCM已经可以使用了。这个模型不仅解决了原来LCM模型的各种问题，还对AnimateLCM进行了优化，使得直接使用PCM生成动画也能保证质量。

以下是PCM针对LCM原有问题的改进点:

CFG规模接受度:LCM模型在处理CFG（Controlled Fusion Guidance，控制融合引导）规模时存在限制，仅能接受小于2的值，超过这个值可能导致图像过度曝光。PCM改进了这一点，允许更大的CFG值，从而扩展了模型的应用范围并可能提高了图像的动态范围。

推理步骤一致性:LCM在不同推理步骤下可能产生不一致的结果，这在推理步骤设置不当时尤为明显，可能导致输出图像模糊。PCM通过改进算法，使得在不同推理步骤下都能产生一致且清晰的结果。

分布一致性:LCM的损失项在低推理步骤下可能无法实现良好的分布一致性，影响最终图像的质量。PCM通过优化损失函数和训练过程，提高了在低推理步骤下生成图像的质量。

此外，PCM还对AnimateLCM进行了优化，使得直接使用PCM生成动画能够保证质量。这对于动画制作者来说是一个巨大的进步，因为它可以减少后期处理的需要，加快动画制作的流程。

总体而言，PCM的出现代表了在扩散模型领域的一个进步，它通过解决LCM模型的一些关键问题，为高质量的图像和动画生成提供了新的可能性。随着技术的不断进步，我们可以期待未来在这一领域会有更多创新和突破。

项目地址:https://g-u-n.github.io/projects/pcm/