傳統擴散模型要過時了？OpenAI找到一種新方法，直接把生成速度提高50倍！
擴散模型在生成式 AI 領域的重要性不言而喻，把生成逼真的圖像、3D 模型、音頻和視頻變為了現實。
但是，擴散模型依然有個致命bug——采樣速度太慢。
OpenAI研究的新方法，被稱為 sCM（連續時間一致性模型）。
sCM 在僅使用兩個采樣步驟的情況下，實現了與領先擴散模型相當的樣本質量。
來感受下 sCM 的速度：
那么sCM為什么這么快呢，我們一起看看。
1.提速50倍：Scaling Law 再次出奇跡
在剛才的實例里，右側蝴蝶逐步清晰，展示了當前擴散模型的能力。
該方法的采樣通常需要數十到數百個連續步驟來生成單個樣本，這限制了它們在實時應用中的效率和可擴展性。
雖然，此前已經開發了各種蒸餾技術來加速采樣，但它們往往伴隨著一些限制，例如高計算成本、復雜的訓練過程和降低的樣本質量。
而sCM則不同，在此前一致性模型的研究基礎上，OpenAI簡化了公式，并進一步穩定了連續時間一致性模型的訓練過程。
不得不說，Scaling Law 還是大力出奇跡。
這個方法一下使得OpenAI研究人員能將連續時間一致性模型的訓練擴展到前所未有的規模！
具體有多大呢？——在 ImageNet 數據集上以 512×512 分辨率處理 15 億參數的模型。
sCM 僅使用兩個采樣步驟就能生成與擴散模型相當的樣本質量，實現了大約 50 倍的時間加速。例如，OpenAI的最大模型（15 億參數）在一塊 A100 GPU 上只需 0.11 秒即可生成一個樣本，而無需任何推理優化。
OpenAI這波太牛了，通過系統優化，這個提速來得迅猛又輕松，感覺再升級的DALL-E 4已經不遠了！
報告還提到，為了進行嚴格的評估，OpenAI研究者通過比較樣本質量（使用標準的 FID 得分，分數越低越好）和有效采樣計算（估算生成每個樣本所需的總計算成本）來對 sCM 與其他最先進的生成模型進行了基準測試。
結果如下所示，兩步 sCM 生成的樣本質量可與最佳的先前方法相媲美，而其有效采樣計算成本不到 10%，大大加快了采樣過程。
圖片
2.工作原理揭秘：為什么一致性模型能提速？
一致性模型與擴散模型不同：擴散模型需要通過大量去噪步驟逐步生成樣本；而一致性模型的目標是在一步中將噪聲直接轉換為無噪聲的樣本。
看圖表會更加直觀，下圖中：藍線代表擴散模型逐步采樣的過程，而紅線則展示了一致性模型更直接、加速的采樣路徑。
通過使用一致性訓練或一致性蒸餾等技術，一致性模型可以被訓練成在顯著減少步驟的情況下生成高質量樣本，這使它們在需要快速生成的實際應用中極具吸引力。
圖片
在研究中，OpenAI團隊在ImageNet 512x512上訓練了一個具有15億參數的連續時間一致性模型，以下是一些兩步采樣結果。
圖片
sCM的訓練方式也很有趣，——偷師擴散模型，即通過從一個預訓練的擴散模型中提取知識得以訓練。
一個重要的發現是，隨著sCM和教師擴散模型的共同擴展，sCM的性能按比例提高。具體來說，樣本質量的相對差異（通過FID分數比率來衡量）在不同規模的模型中保持一致，這導致樣本質量的絕對差異在模型擴展時逐漸減小。此外，增加sCM的采樣步驟進一步縮小了質量差距。值得注意的是，sCM的兩步采樣已經與教師擴散模型的采樣質量相當（相對差異不到10%），而教師擴散模型需要數百步才能生成樣本。
圖片
3.寫在最后：仍有缺陷，仍需探索
從上圖也可以看出，目前最好的sCM仍然依賴于預訓練的擴散模型進行初始化和蒸餾，因此與教師擴散模型相比，樣本質量仍存在小而持續的差距。
此外，報告中寫道，FID作為衡量樣本質量的指標本身也有局限性；接近的FID分數并不總是反映實際的樣本質量，反之亦然。因此，sCM的質量可能需要根據特定應用的需求以不同方式進行評估。
OpenAI表示，將繼續致力于開發具有更快推理速度和更高樣本質量的生成模型，相信這些進展將為實時、高質量生成式AI在廣泛領域中的應用開啟新的可能性。
