Target-Driven-Distillation

让扩散模型蒸馏更快更稳，生成质量不掉线

Target-Driven-Distillation 是一个面向扩散模型的蒸馏加速框架，核心思想是引入目标时间步选择与解耦引导，提升一致性蒸馏（Consistency Distillation）的训练效率与生成质量。它解决的是扩散模型采样速度慢、蒸馏过程收敛不稳定、引导信号耦合导致质量下降的问题。项目基于 PyTorch 实现，兼容 Stable Diffusion、SDXL、FLUX、LCM-LoRA 等主流架构，支持图像与视频生成场景。其核心能力包括：动态选择最优目标时间步以加速蒸馏收敛，将引导信号解耦为独立分支以减少干扰，并提供与现有 LoRA 蒸馏流程的无缝集成。代码结构清晰，适合研究蒸馏算法或工程化部署加速模型。