最近一年来，以 Stable Diffusion 为代表的一系列文生图扩散模型彻底改变了视觉创作领域。数不清的用户通过扩散模型产生的图片提升生产力。但是，扩散模型的生成速度是一个老生常谈的问题。因为降噪模型依赖于多步降噪来逐渐将初始的高斯噪音变为图片，因此需要对网络多次计算，导致生成速度很慢。这导致大规模的文生图扩散模型对一些注重实时性，互动性的应用非常不友好。随着一系列技术的提出，从扩散模型中采样所需的步数已经从最初的几百步，到几十步，甚至只需要 4-8 步。

最近，来自谷歌的研究团队提出了 UFOGen 模型，一种能极速采样的扩散模型变种。通过论文提出的方法对 Stable Diffusion 进行微调，UFOGen 只需要一步就能生成高质量的图片。与此同时，Stable Diffusion 的下游应用，比如图生图，ControlNet 等能力也能得到保留。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

请点击以下链接查看论文：https://arxiv.org/abs/2311.09257

从下图可以看到，UFOGen 只需一步即可生成高质量，多样的图片。

提升扩散模型的生成速度并不是一个新的研究方向。之前关于这方面的研究主要集中在两个方向。一个方向是设计更高效的数值计算方法，以求能达到利用更少的离散步数求解扩散模型的采样 ODE 的目的。比如清华的朱军团队提出的 DPM 系列数值求解器，被验证在 Stable Diffusion 上非常有效，能显著地把求解步数从 DDIM 默认的 50 步降到 20 步以内。另一个方向是利用知识蒸馏的方法，将模型的基于 ODE 的采样路径压缩到更小的步数。这个方向的例子是 CVPR2025 最佳论文候选之一的 Guided distillation，以及最近大火的 Latent Consistency Model （LCM）。尤其是 LCM，通过对一致性目标进行蒸馏，能够将采样步数降到只需 4 步，由此催生了不少实时生成的应用。

然而，谷歌的研究团队在 UFOGen 模型中并没有跟随以上大方向，而是另辟蹊径，利用了一年多前提出的扩散模型和 GAN 的混合模型思路。他们认为前面提到的基于 ODE 的采样和蒸馏有其根本的局限性，很难将采样步数压缩到极限。因此想实现一步生成的目标，需要打开新的思路。

混合模型是指结合了扩散模型和生成对抗网络（GAN）的方法。这个方法最早由英伟达的研究团队在ICLR 2025上提出，被称为DDGAN（《用去噪扩散GAN解决生成学习三难题》）。DDGAN的灵感来自于普通扩散模型对降噪分布进行高斯假设的缺陷。简单来说，扩散模型假设降噪分布（给定一个带噪音的样本，生成一个噪音更少的样本的条件分布）是一个简单的高斯分布。然而，随机微分方程理论证明，这样的假设只在降噪步长趋近于0时成立。因此，扩散模型需要大量重复的降噪步骤来保证较小的降噪步长，导致生成速度较慢

DDGAN 提出抛弃降噪分布的高斯假设，而是用一个带条件的 GAN 来模拟这个降噪分布。因为 GAN 具有极强的表示能力，能模拟复杂的分布，所以可以取较大的降噪步长来达到减少步数的目的。然而，DDGAN 将扩散模型稳定的重构训练目标变成了 GAN 的训练目标，很容易造成训练不稳定，从而难以延伸到更复杂的任务。在 NeurIPS 2025 上，和创造 UGOGen 的同样的谷歌研究团队提出了 SIDDM（论文标题 Semi-Implicit Denoising Diffusion Models），将重构目标函数重新引入了 DDGAN 的训练目标，使训练的稳定性和生成质量都相比于 DDGAN 大幅提高。

SIDDM 作为 UFOGen 的前身，只需要 4 步就能在 CIFAR-10, ImageNet 等研究数据集上生成高质量的图片。但是 SIDDM 有两个问题需要解决：首先，它不能做到理想状况的一步生成；其次，将其扩展到更受关注的文生图领域并不简单。为此，谷歌的研究团队提出了 UFOGen，解决这两个问题。

具体来说，对于问题一，通过简单的数学分析，该团队发现通过改变生成器的参数化方式，以及改变重构损失函数计算的计算方式，理论上模型可以实现一步生成。对于问题二，该团队提出利用已有的 Stable Diffusion 模型进行初始化来让 UFOGen 模型更快更好的扩展到文生图任务上。值得注意的是，SIDDM 就已经提出让生成器和判别器都采用 UNet 架构，因此基于该设计，UFOGen 的生成器和判别器都是由 Stable Diffusion 模型初始化的。这样做可以最大限度地利用 Stable Diffusion 的内部信息，尤其是关于图片和文字的关系的信息。这样的信息很难通过对抗学习来获得。训练算法和图示见下。

值得注意的是，在这之前也有一些利用 GAN 做文生图的工作，比如英伟达的 StyleGAN-T，Adobe 的 GigaGAN，都是将 StyleGAN 的基本架构扩展到更大的规模，从而也能一步文生图。UFOGen 的作者指出，比起之前基于 GAN 的工作，除了生成质量外，UFOGen 还有几点优势：

重写后的内容：1. 在文生图任务中，纯粹的生成对抗网络（GAN）训练非常不稳定。判别器不仅需要判断图像的纹理，还需要理解图像和文字之间的匹配程度，这是一项非常困难的任务，尤其是在训练的早期阶段。因此，之前的GAN模型，如GigaGAN，引入了大量的辅助损失来帮助训练，这使得训练和调参变得异常困难。然而，UFOGen通过引入重构损失，使GAN在这方面发挥了辅助作用，从而实现了非常稳定的训练

2. 直接从头开始训练 GAN 除了不稳定还异常昂贵，尤其是在文生图这样需要大量数据和训练步数的任务下。因为需要同时更新两组参数，GAN 的训练比扩散模型来说消耗的时间和内存都更大。UFOGen 的创新设计能从 Stable Diffusion 中初始化参数，大大节约了训练时间。通常收敛只需要几万步训练。

3. 文生图扩散模型的一大魅力在于能适用于其他任务，包括不需要微调的应用比如图生图，已经需要微调的应用比如可控生成。之前的 GAN 模型很难扩展到这些下游任务，因为微调 GAN 一直是个难题。相反，UFOGen 拥有扩散模型的框架，因此能更简单地应用到这些任务上。下图展示了 UFOGen 的图生图以及可控生成的例子，注意这些生成也只需要一步采样。

经过实验表明，UFOGen 只需要一步采样就能生成高质量、符合文字描述的图片。与近期提出的针对扩散模型的高速采样方法（如Instaflow和LCM）相比，UFOGen展现出了很强的竞争力。即使与需要50步采样的Stable Diffusion相比，UFOGen生成的样本在观感上也不逊色。以下是一些对比结果：

总结

谷歌团队提出了一种名为UFOGen的强大模型，通过提升现有的扩散模型和GAN的混合模型来实现。这个模型是由Stable Diffusion微调而来的，并且在保证一步文生成图的能力的同时，还适用于不同的下游应用。作为早期实现超快速文本到图像合成的工作之一，UFOGen为高效率生成模型领域开辟了一条新的道路

以上就是实现高质量图像生成的新一步：谷歌UFOGen极速采样方法的详细内容，更多请关注其它相关文章！

# ai  # 西城企业网站排名优化  # 高端网站建设策略是什么  # 天津微信公众号营销推广  # 企业营销推广咨询电话  # 扩展到  # 很难  # 是一个  # 提出了  # 重构  # 腾讯  # 只需要  # 降噪  # 极速  # 高质量  # controlnet  # stable diffusion  # 模型  # 文山网站推广报价多少  # 全站seo要多少钱  # 邯郸网站推广威訫hfqjwl下拉  # 快速网站制作推广公司  # 南昌网站优化推广怎么做  # seo论文题目 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 爱奇艺中下载的视频怎么在PPT中播放操作方法  苹果16适合哪些机升级  学typescript要求什么  单片机的速度怎么求  单片机引脚怎么改成上拉  typescript如何定义变量  4800日元等于多少人民币  怎么用typescript 写js  linux环境中如何使用ping命令  内网和外网区别 内网和外网有什么区别  苹果ipad爱奇艺怎么投屏到电视  solidworks打开igs文件看不见要怎么办解决方法  typescript属性只读如何修改  市盈率静是什么意思  苹果16有哪些自带配件  春运抢票需要抢几天  固态硬盘如何下载网页  typescript如何使用  油烟机上的power是什么意思  eraser是什么意思  如何在命令行写j*a程序  命令行ftp如何创建目录  access中如何使用常用宏命令  高市盈率是什么意思  市盈率和市净率是什么意思  5r是多少钱  如何查看硬盘是固态硬盘  win7怎么装扫描仪  如何去除计算器的命令  微信最多可以加多少好友  8英寸等于多少厘米  统计学中power值是什么意思  自己如何安装固态硬盘  如何用好typescript  征信不好如何恢复正常 征信不好要怎么样才能恢复正常教程  春运抢票准备什么  新固态硬盘如何装系统  输入命令如何换行  阿里云盘共享账户怎么用  faq是什么意思  夸克网盘下载为什么要钱  点焊机接触器上power是什么意思  楔子是什么意思  三星固态硬盘如何安装  反向春运抢票方式  如何发挥固态硬盘性能  python 如何执行linux命令  如何区别固态硬盘  电动车仪表盘上的power是什么意思  typescript怎么用