在AI生成圖像領域，Stable Diffusion已經成為一個里程碑式的工具，憑借其強大的圖像生成能力，被廣泛應用于藝術創作、商業設計等領域。

然而，生成高質量圖像的過程常常需要付出大量的時間和內存，這對于硬件資源有限的設備來說是一大挑戰。

為了應對這一問題，北京大學、東北大學、佐治亞大學發布了Stable-Diffusion.cpp（簡稱Sdcpp）的優化方法，引入了Winograd算法和三個優化策略，最終整圖生成速度最高可達到4.79倍，從此實現創作自由！

論文鏈接：https://arxiv.org/pdf/2412.05781

項目主頁：https://github.com/SealAILab/stable-diffusion-cpp

Sdcpp是Stable Diffusion模型的C/C++實現，旨在無需外部依賴的情況下在CPU（以及可能配置GPU）上實現高效推理。Sdcpp作為一個高效的推理框架，不僅能夠顯著加速模型的運行，還能大幅減少內存占用。

Sdcpp的實現中，計算密集型的2D卷積運算是圖像生成的主要瓶頸，雖然功能強大，但效率卻不夠理想，推理速度較慢，內存占用高。

為了解決這些問題，研究人員在Sdcpp的基礎上，引入了Winograd算法，對Sdcpp中的卷積操作進行了革命性的改進，最終實現了性能與資源利用率的雙提升。

主要優化策略為：

1. 分步處理：將卷積拆解為濾波器和激活權重的預處理、預處理張量的逐元素乘法和中間結果的后處理三個階段，提高運算效率。
   
2. 局部優化：通過調整數據加載方式（散點存儲和聚集加載優化），減少 L1 緩存的切換，最大限度地減少緩存交換，提升內存使用效率。
   
3. 并行處理：分析算子間的關聯性，將關聯性較小的運算動態分配到不同的計算線程與核心上，充分利用多線程和多核心架構，動態分配計算任務，充分發揮硬件性能，減少圖像生成延遲。

尤其是在M系列Mac設備上，優化了性能核心（P-core）和效率核心（E-core）的分工，使推理速度得到了顯著提升。

多設備、多模型支持

優化后的Sdcpp框架支持多個設備和模型，包括：

• 主流Stable Diffusion模型：SDv1.4、v1.5、v2.1、SDXL和SDXL-Turbo；
• 不同硬件平臺：Mac、Android、AMD等；
• 擴展模塊：如支持LoRA，以及支持算子量化等，為用戶提供更高的靈活性。

此外，該框架還支持并且優化了diffusion transformer模型中的算子，進一步拓展了應用場景。

速度提升，快！

通過實際測試，優化成果令人振奮！

單卷積層的加速表現：對于多種卷積層配置，推理速度平均提升超過2倍！

研究人員測試了在一些在SD生成圖片過程中出現比較頻繁的卷積層，計算了在這些單卷積層上，優化的Sdcpp相較于原版Sdcpp的加速效果。在不同的卷積層上，推理速度提升至少達到2倍。

整圖生成速度對比：最高加速比達到4.79倍！

 圖像分辨率越大，方法的加速效果越明顯。在生成1024×1024分辨率圖像時，相比于原版Sdcpp，優化后的Sdcpp在M1 Pro以及M2 Max上的推理速度提升可超過4.6 倍（FP32 類型）。

 對于其他圖像尺寸和SD模型，優化的Sdcpp的加速效果也十分顯著（如SDv1.5模型生成512×512圖像時在M1 Pro上加速1.84 倍）。

 顯著的加速比主要得益于框架的局部優化（降低緩存交換并且提高內存使用效率），以及并行處理（動態分配計算任務并且提高運算并行度）。

更快的速度，不僅節省時間，更讓創作更自由！

實例展示：更真實的生成效果

下圖展示了使用 SDXL-Turbo 模型，原版Sdcpp以及我們優化的Sdcpp使用5步采樣，所生成的圖像對比：

可以看出，在相同配置和提示詞下，優化后的Sdcpp不僅速度更快，生成的圖像也更加細膩逼真，細節豐富，層次分明。

優化的Sdcpp能夠支持不同硬件平臺上（Mac、Android、AMD 等）各種主流SD模型（如SDv1.4、v1.5、v2.1、SDXL 和 SDXL-Turbo）的所有算子，確保使用這些SD模型能夠生成高質量的圖片。

該框架還會不斷進步，研究人員計劃優化更多操作符，提升兼容性；進一步提高模型量化的效率；探索在更多設備上的性能提升。