LCM-LoRA跑圖神器，讓SD跑圖速度提升一倍

Sponsor

今個一起來看看最近一直比較流行的 LCM-LoRA 模型，只需要四個迭代步數就可以生成質量不錯的圖片，可以大大的加快Stable Diffusion跑圖的效率！

一、LCM-LoRA

潛在一致性模型?Latent Consistency Model (LCM)?在潛在擴散模型中應用了一致性模型Consistency Model（CM）相同的原理(CM 是一類新型擴散模型，經過訓練可一步生成圖像)，從而實現極少的步數出圖

一般情況需要為每一個大模型訓練一個新的 LCM，非常不方便

而 LCM-LoRA 是使用一致性方法通過穩定擴散基礎模型（v1.5 和 SDXL）訓練的 LoRA 模型。

它可以與任何自定義檢查點模型一起使用，將圖像生成速度加快到僅需四個迭代步數。

也就是說 LCM-LoRA 和普通的 LoRA 使用方式一樣，支持 v1.5 和 SDXL，且只需要4步即可出圖

二、下載

想要支持 v1.5 和 SDXL，需要下載各自版本的 LoRA，考慮到大家的網絡原因，大家可以直接回復?lora?獲取網盤地址按需下載

• v1.5: lcm-lora-sdv1-5.safetensors
• SDXL: latent-lcm-lora-sdxl.safetensors

下載完成后將 LoRA 放在?stable-diffusion-webui/models/Lora?中

三 上手體驗

SD1.5 模型對比

不使用 LCM-LoRA

模型：majicMIX realistic v6提示詞：Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,1girl,silver hair,shiny skin,dramatic lighting采樣方法：Euler尺寸：512x512步數：20CFG：7

因為分辨率只有512，且沒有高清修復，質量一般般。

使用 LCM-LoRA

模型：majicMIX realistic v6提示詞：Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,1girl,silver hair,shiny skin,dramatic lighting,<lora:LCM_LoRA_Weights_SD15_v1.0#2567_4104_4823@8f90d840e0:1>,?//?替換成自己下載的?LoRA采樣方法：Euler尺寸：512x512步數：4CFG：1.2

需要注意的是，步數我們需要控制在 2～8 之間，CFG 在 1～2 之間。

整體效果和不使用 LCM-LoRA 幾乎沒太大區別，但步數卻只需要 4 步即可，但卻只用了不到2s的時間

SDXL 模型對比

不使用 LCM-LoRA

模型：sd base sdxl提示詞：Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,1girl,silver hair,shiny skin,dramatic lighting,采樣方法：Euler尺寸：1024x1024步數：20CFG：7

SDXL 整體效果要比 SD1.5 要好上一些，但磨皮效果太明顯了，在來看看加上 LCM-LoRA 之后的效果

使用 LCM-LoRA

模型：sd base sdxl提示詞：Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,1girl,silver hair,shiny skin,dramatic lighting,<lora:?LCM-LoRA?for?基礎模型升級版S-D-X-L_v1.0#lcm_xl@c3dbf7eb26:1>,?//?替換成自己下載的?SDXL?LoRA采樣方法：Euler尺寸：1024x1024步數：4CFG：1.2

emmm… ?怎么說，有點難評，LCM-LoRA 的細節反而比沒有 LoRA 的 SD base 的圖效果好。

目前來看 SDXL 上應用 LCM-LoRA 的效果和場景相對于 SD1.5 來說還有一些提高。

四、參數對比

迭代步數

前面參數的配置主要設計到?迭代步數?和?CFG，官方建議的參數

• 迭代步數：2～8
• CFG：1～2

我們通過 X/Y/Z 腳本來看看效果（使用 SD1.5 測試），在 CFG 在 1～2 之間 使用 Euler 采樣方法，步數在4～10 之間效果都還是挺給力！為了追求性價比，出圖質量也不錯的情況下應該選擇更少的步數

高清修復

再來跑一張高清修復的對比。其它參數都不變的情況下，使用?Latent?方法算法。最后耗費的時間相差一倍多。使用 LCM-LoRA 只需要 3s ，不使用的情況則需要 7.5s

五 應用場景

LCM-LoRA 的出現可以大大的降低我們跑圖、試圖的時間成本，同時能保證不錯的質量，抽到我們想要的圖之后，也可以拿到種子，再重新跑出高質量的圖。

下面是一些常用的場景

• X/Y/Z 跑圖：平時我們需要測試各種參數時，都會使用 X/Y/Z 來跑圖，使用 LCM-LoRA 極大的降低了花費的時間。上面我們跑的例子，生成了60張圖，只需要了1.30分的時間.
• 其它跑圖：比如 AnimateDiff
• 實時 Prompt：當我們想要測試提示詞的影響時，需要出圖的高實時性，那么 LCM-LoRA 也是能派上大用場
• 實時繪畫渲染：這個相信大家都知道，實時涂鴉，然后生成實時圖片
• 實時投影渲染：在進階一些就是投影視頻/攝像頭進行渲染

本文分享的 LCM-LoRA 模型就介紹到這里，如果你想要了解學習這些場景，可以留言哦～

來源：AI繪圖精選

需要學習Midjourney的可以看這里
↓?↓

贊助商鏈接

喜歡這篇文章嗎？歡迎分享到你的微博、QQ群，并關注我們的微博，謝謝支持。
版權：除非注明，本站文章均為原創文章，轉載請聯系我們授權，否則禁止轉載。