Image Generation
sampler
Алгоритм итеративного denoising в диффузионных моделях; влияет на качество и скорость генерации.
Что такое sampler
Sampler (сэмплер, scheduler) — алгоритм, управляющий итеративным процессом «очищения» (denoising) зашумлённого латента в Stable Diffusion. Определяет:
- Как именно шум убирается на каждом шаге
- Сколько шагов нужно для качественного результата
- Скорость/качество компромисс
Популярные сэмплеры
| Сэмплер | Рекомендованных шагов | Особенности |
|---|---|---|
| Euler | 20–30 | Быстрый, стабильный, рекомендуется для SDXL |
| Euler a | 20–30 | Более «творческий», разные результаты при разных шагах |
| DPM++ 2M | 20–30 | Хорошее качество, эффективен |
| DPM++ 2M Karras | 20–30 | DPM++ с Karras noise schedule, стандарт для SD 1.5 |
| DPM++ SDE Karras | 20–30 | Медленнее, но детализированнее |
| DDIM | 40–50 | Детерминированный, полезен для img2img |
| LCM / Lightning | 4–8 | Distilled-ускоренные версии |
Для FLUX: Euler с guidance_scale=0.0 и 4 шага (schnell) или 20–30 (dev).
Влияние числа шагов
Обычно достаточно 20–30 шагов. Больше — не всегда лучше:
5 шагов → грубо, отсутствие деталей
20 шагов → хорошее качество (оптимум для Euler/DPM++)
50 шагов → незначительное улучшение, +2× времени
100 шагов → практически нет отличий от 50
Karras noise schedule
Суффикс Karras означает использование нелинейного шедулера шума Karras et al. (2022). Накладывает меньше шума на поздних шагах, давая более детализированные финальные результаты.
Связанные термины
- Stable Diffusion — модель, использующая сэмплеры
- denoising strength — влияет на эффективность сэмплинга в img2img
- seed — при детерминированных сэмплерах определяет результат
- cfg-scale — параметр, взаимодействующий со сэмплером
Готовы запустить GPU-задачу?
Запустить GPU-сервер