最近，一個(gè)新的SD加速模型——PCM已經(jīng)可以使用了。這個(gè)模型不僅解決了原來(lái)LCM模型的各種問(wèn)題，還對(duì)AnimateLCM進(jìn)行了優(yōu)化，使得直接使用PCM生成動(dòng)畫(huà)也能保證質(zhì)量。

　　以下是PCM針對(duì)LCM原有問(wèn)題的改進(jìn)點(diǎn):

　　CFG規(guī)模接受度:LCM模型在處理CFG(Controlled Fusion Guidance，控制融合引導(dǎo))規(guī)模時(shí)存在限制，僅能接受小于2的值，超過(guò)這個(gè)值可能導(dǎo)致圖像過(guò)度曝光。PCM改進(jìn)了這一點(diǎn)，允許更大的CFG值，從而擴(kuò)展了模型的應(yīng)用范圍并可能提高了圖像的動(dòng)態(tài)范圍。

　　推理步驟一致性:LCM在不同推理步驟下可能產(chǎn)生不一致的結(jié)果，這在推理步驟設(shè)置不當(dāng)時(shí)尤為明顯，可能導(dǎo)致輸出圖像模糊。PCM通過(guò)改進(jìn)算法，使得在不同推理步驟下都能產(chǎn)生一致且清晰的結(jié)果。

　　分布一致性:LCM的損失項(xiàng)在低推理步驟下可能無(wú)法實(shí)現(xiàn)良好的分布一致性，影響最終圖像的質(zhì)量。PCM通過(guò)優(yōu)化損失函數(shù)和訓(xùn)練過(guò)程，提高了在低推理步驟下生成圖像的質(zhì)量。

　　此外，PCM還對(duì)AnimateLCM進(jìn)行了優(yōu)化，使得直接使用PCM生成動(dòng)畫(huà)能夠保證質(zhì)量。這對(duì)于動(dòng)畫(huà)制作者來(lái)說(shuō)是一個(gè)巨大的進(jìn)步，因?yàn)樗�可以減少后期處理的需要，加快動(dòng)畫(huà)制作的流程。

　　總體而言，PCM的出現(xiàn)代表了在擴(kuò)散模型領(lǐng)域的一個(gè)進(jìn)步，它通過(guò)解決LCM模型的一些關(guān)鍵問(wèn)題，為高質(zhì)量的圖像和動(dòng)畫(huà)生成提供了新的可能性。隨著技術(shù)的不斷進(jìn)步，我們可以期待未來(lái)在這一領(lǐng)域會(huì)有更多創(chuàng)新和突破。