近年来，扩散模型在文生图任务中得到了广泛的应用，但其在实现高质量图像生成的过程中，通常需要多步推理进行去噪，这显然大大增加了计算资源成本。
针对于此，研究人员引入蒸馏算法，推出了扩撒感知蒸馏算法来加速扩散模型的推理过程。目前常用的方法大致可分为轨迹保持蒸馏与轨迹重构蒸馏，但均存在严重的性能下降与领域偏移。
为此，字节跳动提出了名为 Hyper-SD 的创新框架，扬长避短，结合上述两种方法的优势，在压缩去噪步数的同时保持接近无损的性能，通过轨迹分段一致性蒸馏 (Trajectory Segmented Consistency Distillation, TSCD) 技术，实现了快速且高质量的图像生成。
广泛的实验和用户研究表明，Hyper-SD 在 SDXL 和 SD1.5 两种架构上，都能在 1 到 8 步生成中实现 SOTA 级别的图像生成性能。
「Hyper-SD 实时绘画生图」已上线至 HyperAI超神经教程版块，无需输入任何命令，一键克隆即可启动！
教程地址：
https://go.hyper.ai/bQ3fh
Demo 运行
- 登录 hyper.ai，在「教程」页面，选择「Hyper-SD 实时绘画生图」，点击「在线运行此教程」。
- 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
- 点击右下角「下一步：选择算力」。
- 页面跳转后，选择「NVIDIA RTX 4090」以及 「PyTorch」镜像，点击「下一步：审核」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！
HyperAI超神经专属邀请链接（直接复制到浏览器打开）：
https://openbayes.com/console...
- 确认无误后，点击「继续执行」，等待分配资源，首次克隆需等待 1 分钟左右的时间。当状态变为「运行中」后，点击「API 地址」边上的跳转箭头，即可跳转至 Demo 页面。请注意，用户需在实名认证后才能使用 API 地址访问功能。
效果预览
- 打开 Demo 后，在绘图区简单画出形状后，输入 Prompt（例如 Lighthouse on the sea），点击「run」，即可产出图像。
- 继续添加不同的笔画，可以看到它根据新的笔画实时更换不同的图片。
