Stable DIffusion的WebUI中提供了许多采样方法。Euler a、Heun、DDIM…什么是采样器？它们之间有什么区别？您应该使用哪一种？您将在本文中找到答案。

什么是采样？

为了生成图像，稳定扩散首先在潜在空间中生成完全随机的图像。然后噪声预测器估计图像的噪声。从图像中减去预测的噪声。这个过程重复十几次。最后，你会得到一张干净的图像。

这个去噪过程叫做采样，因为稳定扩散在每一步都会生成一个新的样本图像。采样所用的方法叫做采样器或采样方法。

采样器怎么选择？

这么多采样器我们可以直接看对比会有个更直观的感受。

让我们观察每个采样器产生的图像。除了采样器，我们保持了所有的生成参数不变。KDPM Karras祖传、DPM++ 2M SDE和PLMS比其他采样器需要更多的步骤来生成高质量的图像，因此我们使用 64 步来生成这些图像。对于其余的样本，我们使用了 27 个步骤。

了解并选择适合的采样器对于生成高质量的图像至关重要。以下是对Stable Diffusion中的采样器的详细介绍，包括它们的优缺点和适用场景。

1. DPM++ 2M

• 优点：

高质量图像生成。

适合需要精细细节的任务。

• 缺点：

生成速度较慢。

计算资源需求高。

• 适用场景：

适用于对图像质量要求高且时间不是主要限制的任务。

2. DPM++ SDE

• 优点：

在处理复杂场景和细节时表现出色。

高质量图像生成。

• 缺点：

速度较慢。

计算资源需求高。

• 适用场景：

需要处理复杂细节和场景的图像生成任务。

3. DPM++ 2M SDE

• 优点：

结合了DPM++ 2M和SDE的优势。

生成高质量图像。

• 缺点：

速度较慢。

需要更多的计算资源。

• 适用场景：

需要高质量图像且能够接受较长生成时间的任务。

4. DPM++ 2M SDE Heun

• 优点：

使用Heun方法改进精度和稳定性。

适合需要高质量和精确度的场景。

• 缺点：

生成速度较慢。

资源消耗较大。

• 适用场景：

对图像质量和精确度有很高要求的任务。

5. DPM++ 2S a

• 优点：

提供较好的图像质量和稳定性。

比DPM++ 2M更高效。

• 缺点：

仍然较慢。

需要较多计算资源。

• 适用场景：

对图像质量有要求且需要稳定性的任务。

6. DPM++ 3M SDE

• 优点：

提高了图像生成质量。

适用于复杂场景。

• 缺点：

生成速度慢。

计算资源需求高。

• 适用场景：

复杂细节图像生成。

7. Euler a

• 优点：

良好的速度和质量平衡。

常用和推荐的采样器之一。

• 缺点：

在某些复杂场景中可能需要调优。

• 适用场景：

大多数常规任务。

8. Euler

• 优点：

基础的Euler采样器。

速度较快。

• 缺点：

细节可能不如其他高级采样器。

• 适用场景：

需要快速生成且对细节要求不高的任务。

9. LMS

• 优点：

适合高分辨率和复杂细节图像。

• 缺点：

速度较慢。

计算资源需求高。

• 适用场景：

高分辨率和复杂细节任务。

10. Heun

• 优点：

平衡了精度和效率。

适合高质量图像生成。

• 缺点：

速度较慢。

• 适用场景：

高质量图像生成任务。

11. DPM2

• 优点：

生成高质量图像。

适合细节要求高的任务。

• 缺点：

速度慢。

资源需求高。

• 适用场景：

需要高质量细节图像的任务。

12. DPM2 a

• 优点：

改进的稳定性和精度。

• 缺点：

速度慢。

计算资源需求高。

• 适用场景：

高质量和精确度要求的任务。

13. DPM fast

• 优点：

速度快。

适合需要快速生成图像的任务。

• 缺点：

图像质量可能不如其他高质量采样器。

• 适用场景：

对生成速度有较高要求的任务。

14. DPM adaptive

• 优点：

根据需求调整生成速度和质量。

灵活性高。

• 缺点：

需要调优以达到最佳效果。

• 适用场景：

需要在速度和质量之间取得平衡的任务。

15. Restart

• 优点：

用于重新生成部分图像。

适合修改和微调。

• 缺点：

依赖于之前生成的图像质量。

• 适用场景：

修改和微调已有图像的任务。

16. DDIM

• 优点：

高效，生成速度快。

保持图像质量的同时减少了生成步骤。

• 缺点：

细节可能不如某些更复杂的采样器。

• 适用场景：

需要快速生成且质量较高的任务。

17. PLMS

• 优点：

平衡了速度和质量。

生成高质量图像。

• 缺点：

比DDIM稍慢。

• 适用场景：

需要高质量图像的任务。

18. UniPC

• 优点：

适用于需要均衡性能和质量的任务。

• 缺点：

具体性能依赖于任务需求。

• 适用场景：

均衡性能和质量的任务。

19. LCM

• 优点：

适用于处理特定复杂场景。

• 缺点：

速度较慢，需求高。

• 适用场景：

特定复杂场景的图像生成。

推荐采样器

• Euler a：在速度和质量之间取得了良好平衡，适合大多数常规任务。
• DPM++ 2M SDE Heun：适用于需要高质量和精确度的任务，尽管速度较慢。

我个人用的最多的是Euler A

根据具体需求选择合适的采样器，能够有效提升图像生成的效果和效率。