搜尋
首頁科技週邊人工智慧手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion

在手機等行動端側運行 Stable Diffusion 等文生圖生成式 AI 大模型已成為業界追逐的熱點之一,其中生成速度是主要的限制因素。

近日,來自Google的一篇論文「MobileDiffusion: Subsecond Text-to-Image Generation on Mobile Devices」,提出了手機端最快文生圖,在iPhone 15 Pro 上只要0.2 秒。論文出自 UFOGen 同一團隊,在打造超小擴散模型的同時, 採用當前大火的 Diffusion GAN 技術路線做採樣加速。

手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion

請點擊以下連結查看論文:https://arxiv.org/abs/2311.16567

#下面是MobileDiffusion 一步產生的結果。

手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion

那麼,MobileDiffusion 是如何優化得到的呢?

首先,讓我們從問題出發,探討為何優化是必要的

目前最熱門的文字到圖像生成技術都是基於擴散模型實現的。由於其預先訓練的模型具有極強的基本圖像生成能力和在下游微調任務上的穩健性質,因此我們看到了擴散模型在圖像編輯、可控生成、個性化生成以及視頻生成等領域的出色表現

然而,作為基礎模型,其不足之處也很明顯,主要包括兩個方面:一是擴散模型的大量參數導致計算速度慢,尤其是在資源有限的情況下;二是擴散模型需要多步驟才能進行取樣,進一步導致推理速度緩慢。以備受矚目的 Stable Diffusion 1.5(SD)為例,其基礎模型包含近10億個參數,我們在iPhone 15 Pro上對模型進行量化後進行推理,50步採樣需要接近80秒。如此昂貴的資源需求和遲緩的用戶體驗極大地限制了其在行動端的應用場景

為了解決以上問題,MobileDiffusion 點對點地進行最佳化。 (1) 針對模型體積龐大的問題,我們主要對其核心組件UNet 進行了大量試驗及優化,包括了將計算昂貴的捲積精簡和注意力運算放在了較低的層上,以及針對Mobile Devices的操作最佳化,諸如激活函數等。 (2)針對擴散模型需要多步驟採樣的問題,MobileDiffusion 探索並實踐了像 Progressive Distillation 和當前最先進的 UFOGen 的一步推理技術。

模型最佳化

MobileDiffusion 基於當下開源社群裡最火的SD 1.5 UNet 進行最佳化#。在每次的最佳化操作後, 會同時衡量相對於原始 UNet 模型的效能的損失,測量指標包括 FID 和 CLIP 兩個常用 metric。

整體規劃

手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion

#在圖上的左側是原始UNet 的設計示意,可以看出它基本上包括了卷積和Transformer,而Transformer又包括了自註意力機制和交叉注意力機制

MobileDiffusion對UNet 優化的核心思路分為兩點:1)精簡Convolution, 眾所周知,在高分辨率的特徵空間上進行了Convolution 是十分耗時的, 而且參數量很大,這裡指的是Full Convolution;2)提高Attention 效率。和 Convolution 一樣,高 Attention 需要對整個特徵空間的長度進行運算,Self-Attention 複雜度和特徵空間展平後長度成平方關係,Cross-Attention 也要和空間長度成正比。

經過實驗證明,將整個UNet的16個Transformer移動到特徵解析度最低的內層,並且每一層都剪掉一個卷積,對效能沒有明顯影響。所達到的效果是:MobileDiffusion將原本的22個卷積和16個Transformer精簡到了只有11個卷積和大約12個Transformer,並且這些注意力都是在低解析度特徵圖上進行的。這樣做的效率大大提高,帶來了40%的效率提升和40%的參數剪切。最終的模型如右圖所示。以下是與其他模型的比較:

手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion

#需要重新寫的內容是:微觀設計

這裡將只介紹幾種新穎的設計,有興趣的讀者可以閱讀正文, 會有更詳細的介紹。

解耦自註意力和交叉注意力

##解耦自註意力和交叉注意力

傳統UNet 裡Transformer 同時包含Self-Attention 和Cross-Attention,MobileDiffusion 將Self -Attention 全部放在了最低解析度特徵圖,但是保留一個Cross-Attention 在中間層,發現這種設計既提高了運算效率又保證了模型出圖品質

Finetune softmax into relu

眾所周知,在大部分未最佳化的情況下,softmax函數很難進行平行處理,效率較低。 MobileDiffusion提出了一種新的方法,即將softmax函數直接調整(finetune)為relu函數,因為relu函數對於每個資料點的啟動更有效率。令人驚訝的是,僅需大約一萬步的微調,模型的度量指標反而提高了,產生的影像品質也得到了保證。因此,相較於softmax函數,relu函數的優點顯而易見

Separable Convolution (可分離卷積)

手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion

MobileDiffuison 精簡參數的關鍵也採用了Seprable Convolution。這種技術已經被 MobileNet 等工作證實是極為有效的,特別是行動端,但是一般在生成模型上很少採用。 MobileDiffusion 實驗發現 Separable Convolution 對減少參數是很有效的,尤其是將其放在 UNet 最內層,模型品質經分析證明是沒有損失的。

取樣最佳化

目前最受歡迎的取樣最佳化方法包括漸進式蒸餾(Progressive Distillation)和UFOGen,它們分別可以實現8步驟和1步。為了證明即使在模型經過極致簡化後,這些採樣方法仍然有效,MobileDiffusion對這兩種方法進行了實驗驗證手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion

優化後的採樣與基準模型進行了比較,可以看出取樣優化後的8 步驟與1 步驟模型的指標都有顯著的提升

實驗與應用程式

手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion行動端基準測試

#在iPhone 15 Pro 上,MobileDiffusion 可以以目前最快的速度進行出圖,只需0.2 秒!

###################下游任務測試#####################MobileDiffusion 探索了包含ControlNet/Plugin 和LoRA Finetune 的下游任務。從下圖可以看出,經過模型和取樣優化後,MobileDiffusion 依然保持了優秀的模型微調能力。 #####################總結#############MobileDiffusion對多種模型和取樣優化方法進行了探索,最終實現了在行動端亞秒的影像產生能力,同時確保了下游微調應用的穩定性。我們相信這將對未來高效的擴散模型設計產生影響,並拓展行動端應用的實際應用案例######

以上是手機上影像0.2秒即可呈現,Google建置最快的行動擴散模式MobileDiffusion的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文轉載於:51CTO.COM。如有侵權,請聯絡admin@php.cn刪除
烹飪創新:人工智能如何改變食品服務烹飪創新:人工智能如何改變食品服務Apr 12, 2025 pm 12:09 PM

AI增強食物準備 在新生的使用中,AI系統越來越多地用於食品製備中。 AI驅動的機器人在廚房中用於自動化食物準備任務,例如翻轉漢堡,製作披薩或組裝SA

Python名稱空間和可變範圍的綜合指南Python名稱空間和可變範圍的綜合指南Apr 12, 2025 pm 12:00 PM

介紹 了解Python函數中變量的名稱空間,範圍和行為對於有效編寫和避免運行時錯誤或異常至關重要。在本文中,我們將研究各種ASP

視覺語言模型(VLMS)的綜合指南視覺語言模型(VLMS)的綜合指南Apr 12, 2025 am 11:58 AM

介紹 想像一下,穿過​​美術館,周圍是生動的繪畫和雕塑。現在,如果您可以向每一部分提出一個問題並獲得有意義的答案,該怎麼辦?您可能會問:“您在講什麼故事?

聯發科技與kompanio Ultra和Dimenty 9400增強優質陣容聯發科技與kompanio Ultra和Dimenty 9400增強優質陣容Apr 12, 2025 am 11:52 AM

繼續使用產品節奏,本月,Mediatek發表了一系列公告,包括新的Kompanio Ultra和Dimenty 9400。這些產品填補了Mediatek業務中更傳統的部分,其中包括智能手機的芯片

本週在AI:沃爾瑪在時尚趨勢之前設定了時尚趨勢本週在AI:沃爾瑪在時尚趨勢之前設定了時尚趨勢Apr 12, 2025 am 11:51 AM

#1 Google推出了Agent2Agent 故事:現在是星期一早上。作為AI驅動的招聘人員,您更聰明,而不是更努力。您在手機上登錄公司的儀表板。它告訴您三個關鍵角色已被採購,審查和計劃的FO

生成的AI遇到心理摩托車生成的AI遇到心理摩托車Apr 12, 2025 am 11:50 AM

我猜你一定是。 我們似乎都知道,心理障礙由各種chat不休,這些chat不休,這些chat不休,混合了各種心理術語,並且常常是難以理解的或完全荒謬的。您需要做的一切才能噴出fo

原型:科學家將紙變成塑料原型:科學家將紙變成塑料Apr 12, 2025 am 11:49 AM

根據本週發表的一項新研究,只有在2022年製造的塑料中,只有9.5%的塑料是由回收材料製成的。同時,塑料在垃圾填埋場和生態系統中繼續堆積。 但是有幫助。一支恩金團隊

AI分析師的崛起:為什麼這可能是AI革命中最重要的工作AI分析師的崛起:為什麼這可能是AI革命中最重要的工作Apr 12, 2025 am 11:41 AM

我最近與領先的企業分析平台Alteryx首席執行官安迪·麥克米倫(Andy Macmillan)的對話強調了這一在AI革命中的關鍵但不足的作用。正如Macmillan所解釋的那樣,原始業務數據與AI-Ready Informat之間的差距

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
3 週前By尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳圖形設置
3 週前By尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您聽不到任何人,如何修復音頻
3 週前By尊渡假赌尊渡假赌尊渡假赌
WWE 2K25:如何解鎖Myrise中的所有內容
4 週前By尊渡假赌尊渡假赌尊渡假赌

熱工具

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SecLists

SecLists

SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

PhpStorm Mac 版本

PhpStorm Mac 版本

最新(2018.2.1 )專業的PHP整合開發工具

ZendStudio 13.5.1 Mac

ZendStudio 13.5.1 Mac

強大的PHP整合開發環境

SublimeText3 Linux新版

SublimeText3 Linux新版

SublimeText3 Linux最新版