Hyper

Hyper-SD是一个由字节跳动研究人员开发的高效图像合成框架，主要目标是降低扩散模型在多步推理过程中的计算成本。该框架采用了轨迹分割一致性蒸馏（TSCD）技术，确保在不同时间段内数据的一致性，从而保留了原始的常微分方程（ODE）轨迹。此外，它还集成了人类反馈学习（ReFL），优化了低步数推理情况下的模型性能，并通过分数蒸馏进一步提高了单步推理的图像质量。Hyper-SD在保持高图像质量的同时，显著减少了必要的推理步骤，实现了快速生成高分辨率图像，从而推动了生成式AI技术的发展。