OpenAI推全新模型sCM，內容生成速度提升50倍，生圖只需0.1秒

近日，OpenAI 的研究人員發佈了一項令人振奮的研究成果，介紹了一種全新的連續時間一致性模型（sCM）。這一模型在生成多媒體內容(如圖像、視頻和音頻)的速度上實現了飛躍，相較於傳統的擴散模型，速度提高了整整50倍。具體來說，sCM 能夠在不到0.1秒的時間內生成一幅圖像，而傳統擴散模型則往往需要超過5秒。

研究團隊通過這項技術，成功地在僅需兩次採樣步驟的情況下，生成出高質量的樣本。這一創新使得生成過程更爲高效，而不會犧牲樣本的質量。文章由 OpenAI 的兩位研究人員 —Lu Cheng 和 Yang Song 共同撰寫，並已在 arXiv.org 上發表，雖然尚未經過同行評審，但其潛在影響不容小覷。

Yang Song 在2023年的一篇論文中首次提出了 “一致性模型” 的概念，這爲 sCM 的發展奠定了基礎。儘管擴散模型在生成真實感圖像、3D 模型、音頻和視頻方面表現出色，但其採樣效率不高，通常需要數十到數百個步驟，這讓其在實時應用中顯得捉襟見肘。

採樣速度更快

sCM 模型的最大亮點是，它能在不增加計算負擔的情況下，實現更快的採樣速度。OpenAI 的最大 sCM 模型擁有15億個參數，在一塊 A100GPU 上，生成樣本的時間僅爲0.11秒。與擴散模型相比，這導致掛鐘時間加快了50倍，使實時生成式 AI 應用更加可行。

需要更少的計算資源

在樣本質量方面，sCM 在 ImageNet512×512數據集上經過訓練，達到了1.88的 Fréchet Inception Distance（FID）分數，這與頂級擴散模型相差不到10%。通過與其他先進生成模型進行廣泛基準測試，研究團隊證明了 sCM 在提供頂尖結果的同時，計算開銷也顯著減少。

未來，sCM 模型的快速採樣和可擴展性將爲多個領域的實時生成 AI 應用開啓新的可能性。從圖像生成到音頻和視頻合成，sCM 都提供了一個實用的解決方案，滿足了對快速、高質量輸出的需求。同時，OpenAI 的研究還暗示了進一步優化系統的潛力，可能會根據不同產業的需求來加速模型的性能。

官方博客:https://openai.com/index/simplifying-stabilizing-and-scaling-continuous-time-consistency-models/

論文:https://arxiv.org/html/2410.11081v1

劃重點:

📈 新型 sCM 模型的速度提升了50倍，圖像生成時間縮短至0.1秒。  

🖼️ 僅需兩步採樣，sCM 能生成高質量樣本，效率顯著提高。  

⚙️ 未來應用廣泛，包括實時圖像、音頻和視頻生成，潛力巨大。