Stable Diffusion 30种采样器全解

在使用StableDiffusion过程中一个核心环节——选择什么样的采样器？30个采样器都是干嘛的？今天就跟大家分享一下。

30个采样器按出场时间分可以分为：经典采样器，DPM采样器和新增采样器。这30种采样器当中有一些是有升级版本被替代了，也有一些是性能不足且计算成本太高的。接下来梳理一下哪些已经被替代不建议用了，我们留下最好用的采样器（建议使用的采样器用蓝色加粗标注）。

  早期经典采样器  

o LMS：ODM求解器，线性多步法。速度与Euler相近，但质量不如Euler。

o LMS Karras：ODM求解器

o Heun：ODM求解器，是Euler的改进算法，画质更好，但速度慢一倍。

o Euler：ODM求解器，简单直接，可收敛——能产生最终稳定图像。

o Euler a：ODM求解器，不收敛——最终图像具有一定幅度随机性。

o DDIM：SD刚问世时的内置算法。

o PLMS：SD刚问世时的内置算法。

Euler与Euler a的差别的“a”是祖先采样器，产生的画面不收敛。当Euler在合适的步骤下图像逐渐收敛产生一个稳定的图像结果。而Euler a在每一步骤下都添加随机噪声，因此产生的图像具有一定随机偏差。
  DPM采样器  StableDiffusion中绝大部分都是DPM算法。二代算法相比于一代算法，质量有所提升但需要更多的时间和迭代步数，通过增加一代算法的迭代步数也能达到相同的质量效果。

o 

DPM2：DPM二代算法。画质提升有限，渲染时长增加一倍。

o 

DPM2a：DPM二代算法。画质提升有限，渲染时长增加一倍。

o 

DPM++2S a：DPM一代算法。

o 

DPM++2S a Karras：DPM一代算法。优化算法，8步之后噪点更少。

o 

DPM++2M：DPM一代算法。收敛速度快，质量好。

o 

DPM++2M Karras：DPM一代算法。强烈推荐，优化算法。

o 

DPM++SDE：DPM一代算法。

o 

DPM++SDE Karras：DPM一代算法。高画质，速度慢，不收敛。

o 

DPM++2M SDE：DPM一代算法。2M与SDE中和，速度较快，不收敛。

o 

DPM++2M SDE Karras：DPM一代算法。优化算法，同上。

o 

DPM++2M SDE Heun：DPM一代算法。

o 

DPM++2M SDE Heun Karras：DPM一代算法。优化算法，同上。

o 

DPM++3M SDE：DPM一代算法。

o 

DPM++3M SDE Karras：DPM一代算法。30步以上低CFG值效果好。

o 

DPM++3M SDE Exponential：DPM一代算法。同上。

o 

DPM++2M SDE Exponential：DPM一代算法。画面柔和，不收敛。

o 

DPM2 Karras：DPM二代算法。画质提升有限，渲染时长增加一倍。

o 

DPM2 a Karras：DPM二代算法。画质提升有限，渲染时长增加一倍。

o 

DPM++2M SDE Heun Exponential：DPM一代算法。

o 

DPM fast：DPM一代算法。几乎不能生成想要的图像。

o 

DPM adaptive：自适应渲染，无视采样步数。质量好但渲染时间过长。

o 

  DPM采样器名字中的名字释义  

§ Karras是优化算法，它们在采样8步之后，比同名算法噪点更少。

§ 2S代表单步算法。2M代表二阶多步算法。与2S相比增加了相邻层之间的信息传递。2M是2S的升级版本。3M是v1.6版本新增的算法，迭代步数到30+、CFG值减小后达到质量最佳。

§ SDE是随机微分方程，调用祖先采样，表现不收敛特性。没有多步算法加持生成图像较慢，可以生成逼真的写实风格画面。

§ Exponential是指数算法，细节少一些但是画面更柔和、干净。渲染时间与SDE和2M相接近。

  2023年新采样器  UniPC：统一预测校正器，收敛快，10步左右产生可用画面。
Restart：每步渲染时间长，比UniPC更少的采样步数就能生成不错的画面。
  WebUI中设置只保留实用的采样器  在【设置】选项卡下找到【采样器参数】，然后在顶部的多选框中勾选不常用的采样器。保存设置后，重新启动WebUI。

出自：https://mp.weixin.qq.com/s/Du_ftjEgQ9eRxT86p9-X1w