【论文】2405.Phased Consistency Model（港中文提出了AI绘画加速模型，一步采样生成图像，支持SD1.5,SDXL）

论文：https://arxiv.org/abs/2405.18407 （2024.05.30发布）
代码：https://github.com/G-U-N/Phased-Consistency-Model

一、论文要解决什么问题？效果如何？ (需要先了解LCM模型)

(阶段性一致性模型:朝着稳定、快速的图像和视频生成方向发展)
一致性模型（CM, Consistency Model）最近在加速生成扩散模型方面取得了显著进展。然而，其在潜在空间（即高分辨率、文本条件的图像生成，简称 LCM, Latent Consistency Model）中的应用仍不令人满意

LCM当前设计的三个主要缺陷：

1. 一致性差：可以发现使用相同种子在不同推理步骤中生成的结果不一致。（见下图右上）
2. 可控性（Controllability）：尽管稳定扩散可以在广泛的推理步骤（即2-15步）中接受分类器无关指导（CFG, Classifier-Free Guidance），但配备LCM权重后，它们只能接受1-2步的CFG。较大的CFG值会导致曝光问题
3. 效率（Efficiency）：我们发现LCM在少数步骤