AsyncDiff

把扩散模型去噪步骤并行化，生成图片速度翻倍

AsyncDiff 是一个针对扩散模型（Diffusion Models）的推理加速工具，核心思想是通过异步去噪（Asynchronous Denoising）将原本串行的去噪步骤并行化，从而显著缩短图像生成时间。它解决了扩散模型在推理阶段因迭代次数多、计算量大而导致的生成速度慢的问题，尤其适合在单机多卡或分布式环境下部署。其核心能力包括：将模型沿时间维度拆分并分配到不同设备上并行执行，同时通过异步通信机制确保去噪过程的连贯性；支持与现有扩散模型（如 Stable Diffusion）无缝集成，无需重新训练即可获得加速效果。该项目来自 NeurIPS 2024 论文，提供了简洁的 API 和示例代码，方便开发者快速上手。