Stable Diffusion——SDXL Turbo让 AI 出图速度提高10倍在本研究中，我们提出了一种名为对抗扩散蒸馏（ADD）的创新训练技术，它能够在1至4步的采样过程中，高效地对大规模基础图像扩散模型进行处理，同时保持图像的高质量。该方法巧妙地结合了分数蒸馏技术，利用现有的大型图像扩散模型作为指导信号，同时引入对抗损失，确保在较少的采样步骤下依然能够产生高保真度的图像。通过这种结合，我们的模型在单步操作中的表现显著超越了现有的少步骤方法，包括生成对抗网络（GAN）和潜在一致性模型。更为引人注目的是，ADD在仅经过四个采样步骤的情况下，就能达到与当前最先进的扩散模型SDXL相媲