Stable Diffusion 原理与技巧 第一篇：采样方法和采样步数

个人主页：https://bento.me/zhengyanghou

Github：https://github.com/Jenqyang

今天给大家分享Stable Diffusion Web UI中Sampling method和Sampling steps的一些理论与技巧。看完这篇文章你一定会对采样方法和采样步数有一个全面的了解。

1. 原理

Sampling method即采样方法或采样器。

Sampling steps即采样步数。

为了生成图像，Stable Diffusion首先在潜在空间中生成完全随机的图像。然后噪声预测器估计图像的噪声。从图像中减去预测的噪声。这个过程重复十几次。最后，你会得到一个干净的图像^[1]。

这个去噪过程称为采样，采样所采用的方法就称为采样方法或采样器。

在从嘈杂的图像逐渐变成清晰的图像时，每个采样步骤的噪声水平是由Noise schedule控制的。 在每个步骤中，采样方法的工作就是生成噪声水平与噪声表相匹配的图像。这时，什么是Sampling steps也就清楚了。增加采样步数能够使每个步骤之间的噪音幅度降低，有助于减少采样的截断误差。

采样方法可以大致分为四类：

1. Old-School ODE Solvers 老式ODE求解器

2. Ancestral samplers 祖先采样器

3. DPM Solvers 扩散概率模型求解器

4. 其他采样器

下面依次介绍每类采样方法。

1.1 Old-School ODE Solvers

该类是使用常微分方程的求解器。例如：

• Euler——最简单的求解器。
• Heun——Euler的更准确但速度较慢版本。
• LMS——线性多步法，与Euler速度相同，但据说更准确。

1.2 Ancestral Samplers