超越极限：东北大学等团队发布高效版Stable-Diffusion.cpp，抽卡效率提升4.8倍，分辨率越高生成越快！

原标题：抽卡效率提升4.8倍！东北大学等开源优化版Stable-Diffusion.cpp：分辨率越高越快，生成质量更好
文章来源：新智元
内容字数：3316字

优化Sdcpp框架提升图像生成速度

在AI生成图像领域，北京大学等研究团队对Stable-Diffusion.cpp（简称Sdcpp）框架进行了优化，通过引入Winograd算法和多项策略，显著提升了图像生成速度和内存效率。优化后的框架在生成速度上最高可提速4.79倍，为创作提供了更大的度。

1. Sdcpp框架概述

Sdcpp是Stable Diffusion模型的C/C++实现，旨在无外部依赖情况下在CPU和GPU上实现高效推理。该框架不仅加速了模型的运行，还显著减少了内存占用，尤其是在计算密集型的2D卷积运算方面。

2. 主要优化策略

研究团队采用了以下三种主要优化策略来提升性能：

（1）分步处理：将卷积操作拆解为预处理、逐元素乘法和后处理三个阶段，以提高运算效率。

（2）局部优化：通过优化数据加载方式，减少缓存切换，从而提升内存使用效率。

（3）并行处理：将关联性较小的运算分配到不同的计算线程与核心上，充分利用多线程和多核心架构，减少图像生成延迟，尤其在M系列Mac设备上优化了核心分工。

3. 多设备支持

优化后的Sdcpp框架支持多个设备和模型，包括主流的Stable Diffusion模型与不同硬件平台（如Mac、Android、AMD等），并扩展了LoRA和算子量化等功能，提升了用户的灵活性。

4. 显著的速度提升

实际测试表明，单卷积层的推理速度平均提升超过2倍，整体生成速度最高可达4.79倍。在生成高分辨率图像（如1024×1024）时，优化后的Sdcpp在M1 Pro和M2 Max上的推理速度提升超过4.6倍。

5. 生成效果的提升

在使用SDXL-Turbo模型进行图像生成时，优化后的Sdcpp不仅速度更快，生成的图像质量也有显著提升，细节更加丰富、层次更为分明。

6. 未来的研究方向

研究团队计划在未来继续优化更多操作符，提升模型量化的效率，并探索在更多设备上的性能提升，以确保用户能够在不同平台上生成高质量图像。

联系作者

文章来源：新智元
作者微信：
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。