A
把采样步数从 30 降到 12,常见现象是整体构图还在,但纹理、文字、手指这类高频细节先崩。原因在去噪过程的分工:早期大步数阶段决定低频布局,后期小步数阶段在补高频残差,砍步数主要压缩了后半段。
可做的一组对照实验(固定种子、固定提示词、固定调度器):
1) 步数阶梯:8 / 12 / 20 / 30 / 50,各生成 10 张,人工或指标评估构图一致性、细节完整度。
2) 调度器对比:同一模型换不同 scheduler,低步数下的表现差别很大,有些调度器专为少步数设计。
3) 分离变量:只改步数、不动 CFG scale 与分辨率,否则无法归因。
4) 记录推理耗时与显存,画出「质量-时延」曲线,选拐点而不是选最小值。
几个易错点:
- 用单张图下结论,扩散模型方差大,必须固定种子做多组。
- 换步数时忘了步数会影响最优 CFG,两者有耦合。
- 用 FID 之类全局指标评估细节,对小区域缺陷不敏感,建议加局部裁剪的人工评分或专用检测。
- 高分辨率生成时,低步数更容易出现结构重复与纹理糊,需单独验证目标分辨率。
结论:要提速,优先试「为少步数设计的调度器 / 蒸馏模型」,而不是硬砍步数。降本评估必须同时报质量指标和时延,并在目标分辨率与真实提示词分布上测。
可做的一组对照实验(固定种子、固定提示词、固定调度器):
1) 步数阶梯:8 / 12 / 20 / 30 / 50,各生成 10 张,人工或指标评估构图一致性、细节完整度。
2) 调度器对比:同一模型换不同 scheduler,低步数下的表现差别很大,有些调度器专为少步数设计。
3) 分离变量:只改步数、不动 CFG scale 与分辨率,否则无法归因。
4) 记录推理耗时与显存,画出「质量-时延」曲线,选拐点而不是选最小值。
几个易错点:
- 用单张图下结论,扩散模型方差大,必须固定种子做多组。
- 换步数时忘了步数会影响最优 CFG,两者有耦合。
- 用 FID 之类全局指标评估细节,对小区域缺陷不敏感,建议加局部裁剪的人工评分或专用检测。
- 高分辨率生成时,低步数更容易出现结构重复与纹理糊,需单独验证目标分辨率。
结论:要提速,优先试「为少步数设计的调度器 / 蒸馏模型」,而不是硬砍步数。降本评估必须同时报质量指标和时延,并在目标分辨率与真实提示词分布上测。