Stable Diffusion采样器怎么选？不同采样器原理对比及选择建议

1月23日 消息:有用过Stable Diffusion的用户都知道，Stable Diffusion有很多采样器，但是有不少人并不知道，什么场景适合使用哪个采样器。现在，我发现了一篇科普Stable Diffusion 采样器工作指南的文章《Complete guide to samplers in Stable Diffusion》。如果你也对Stable Diffusion采样器不了解的话，可以看看:

Stable Diffusion的工作原理是通过不同的算法，负责从稳定扩散中使用的模型获取样本，并将噪声预测器估算出的噪声应用于这个样本上。

另一个算法"噪声调度器"则负责控制去噪的程度，决定每一步去除多少噪声，以确保整个过程既高效又精准。有些算法能够迅速收敛，非常适用于快速验证创意和想法。而其他一些算法可能需要更长的时间或更多的步骤才能收敛，但它们通常能够提供更高质量的结果。

采样器分成两种主要的方法:概率模型和数值方法。

在这些方法中，DDPM是稳定扩散技术中最早期的采样器之一。但目前已不再提供，而DDIM通过更少的处理步骤就能取得更佳的效果。

PLMS在50步处理过程中，就能实现比DDIM在1000步中所达到的更高图像质量。

Euler方法可能是最简单直接的采样器之一，具有处理速度快的特点。

Heun方法可以看作是Euler方法的一个更精细的改进版，因为其处理速度快而被广泛应用。

LMS方法会利用前几个步骤中的信息来在每一步减少噪声，提高了图像的精度，但相应地也增加了计算需求，导致处理速度较慢。

经过深入的对SD不同采样器的介绍和对比，我们不难发现，不同的采样器在去噪的过程中会有着不同的优势和劣势。

DDIM通过更少的处理步骤就能取得更佳的效果，这使得它成为一个更加高效快速的采样器，同时基本保持了图像质量。

PLMS在50步处理过程中，就能实现比DDIM在1000步中所达到的更高图像质量。

Euler方法因其处理速度快而被广泛应用。

LMS方法会利用前几个步骤中的信息来在每一步减少噪声，提高了图像的精度，但相应地也增加了计算需求，导致处理速度较慢。

采样器的选择需要根据实际需求以及软件所提供的采样器种类来进行，只有这样才能达到事半功倍的效果。

那么，Stable Diffusion的采样器究竟要如何选择呢?大家可以根据不同的应用场景来选择:

• 如果你追求更高的图像质量，又不想生成速度过慢，那么可以选择Heun 和 LMS Karras。如果你时间充足，那么UniPC也是不错的选择。

• 如果你只想快速测试效果，没有耐心等待，那么推荐使用 DPM++2M 或 UniPC，步骤数较少。如果你不介意可重复性，还可以选择 Euler A，这是一个快速且质量不错的祖先采样器。

参考原文:

https://www.felixsanz.dev/articles/complete-guide-to-samplers-in-stable-diffusion#family-of-dpm-models