LCM-LoRA跑图神器,让SD跑图速度提升一倍
source link: https://www.shejidaren.com/lcmlora-pao-tu-shen-qi.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
LCM-LoRA跑图神器,让SD跑图速度提升一倍
今个一起来看看最近一直比较流行的 LCM-LoRA 模型,只需要四个迭代步数就可以生成质量不错的图片,可以大大的加快Stable Diffusion跑图的效率!
一、LCM-LoRA
潜在一致性模型 Latent Consistency Model (LCM)
在潜在扩散模型中应用了一致性模型Consistency Model(CM)
相同的原理(CM 是一类新型扩散模型,经过训练可一步生成图像),从而实现极少的步数出图
一般情况需要为每一个大模型训练一个新的 LCM,非常不方便
而 LCM-LoRA 是使用一致性方法通过稳定扩散基础模型(v1.5 和 SDXL)训练的 LoRA 模型。
它可以与任何自定义检查点模型一起使用,将图像生成速度加快到仅需四个迭代步数。
也就是说 LCM-LoRA 和普通的 LoRA 使用方式一样,支持 v1.5 和 SDXL,且只需要4步即可出图
想要支持 v1.5 和 SDXL,需要下载各自版本的 LoRA,考虑到大家的网络原因,大家可以直接回复 lora 获取网盘地址按需下载
- v1.5: lcm-lora-sdv1-5.safetensors
- SDXL: latent-lcm-lora-sdxl.safetensors
下载完成后将 LoRA 放在 stable-diffusion-webui/models/Lora
中
三 上手体验
SD1.5 模型对比
不使用 LCM-LoRA
模型:majicMIX realistic v6提示词:Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,1girl,silver hair,shiny skin,dramatic lighting采样方法:Euler尺寸:512x512步数:20CFG:7
因为分辨率只有512,且没有高清修复,质量一般般。
使用 LCM-LoRA
模型:majicMIX realistic v6提示词:Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,1girl,silver hair,shiny skin,dramatic lighting,<lora:LCM_LoRA_Weights_SD15_v1.0#2567_4104_4823@8f90d840e0:1>, // 替换成自己下载的 LoRA采样方法:Euler尺寸:512x512步数:4CFG:1.2
需要注意的是,步数我们需要控制在 2~8 之间,CFG 在 1~2 之间。
整体效果和不使用 LCM-LoRA 几乎没太大区别,但步数却只需要 4 步即可,但却只用了不到2s的时间
SDXL 模型对比
不使用 LCM-LoRA
模型:sd base sdxl提示词:Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,1girl,silver hair,shiny skin,dramatic lighting,采样方法:Euler尺寸:1024x1024步数:20CFG:7
SDXL 整体效果要比 SD1.5 要好上一些,但磨皮效果太明显了,在来看看加上 LCM-LoRA 之后的效果
使用 LCM-LoRA
模型:sd base sdxl提示词:Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,1girl,silver hair,shiny skin,dramatic lighting,<lora: LCM-LoRA for 基础模型升级版S-D-X-L_v1.0#lcm_xl@c3dbf7eb26:1>, // 替换成自己下载的 SDXL LoRA采样方法:Euler尺寸:1024x1024步数:4CFG:1.2
emmm… 怎么说,有点难评,LCM-LoRA 的细节反而比没有 LoRA 的 SD base 的图效果好。
目前来看 SDXL 上应用 LCM-LoRA 的效果和场景相对于 SD1.5 来说还有一些提高。
四、参数对比
前面参数的配置主要设计到 迭代步数
和 CFG
,官方建议的参数
- 迭代步数:2~8
- CFG:1~2
我们通过 X/Y/Z 脚本来看看效果(使用 SD1.5 测试),在 CFG 在 1~2 之间 使用 Euler 采样方法,步数在4~10 之间效果都还是挺给力!为了追求性价比,出图质量也不错的情况下应该选择更少的步数
再来跑一张高清修复的对比。其它参数都不变的情况下,使用 Latent
方法算法。最后耗费的时间相差一倍多。使用 LCM-LoRA 只需要 3s ,不使用的情况则需要 7.5s
五 应用场景
LCM-LoRA 的出现可以大大的降低我们跑图、试图的时间成本,同时能保证不错的质量,抽到我们想要的图之后,也可以拿到种子,再重新跑出高质量的图。
下面是一些常用的场景
- X/Y/Z 跑图:平时我们需要测试各种参数时,都会使用 X/Y/Z 来跑图,使用 LCM-LoRA 极大的降低了花费的时间。上面我们跑的例子,生成了60张图,只需要了1.30分的时间.
- 其它跑图:比如 AnimateDiff
- 实时 Prompt:当我们想要测试提示词的影响时,需要出图的高实时性,那么 LCM-LoRA 也是能派上大用场
- 实时绘画渲染:这个相信大家都知道,实时涂鸦,然后生成实时图片
- 实时投影渲染:在进阶一些就是投影视频/摄像头进行渲染
本文分享的 LCM-LoRA 模型就介绍到这里,如果你想要了解学习这些场景,可以留言哦~
来源:AI绘图精选
需要学习Midjourney的可以看这里
↓ ↓
赞助商链接
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK