flash-diffusion

让扩散模型生成图像快数倍，实时出图不等待

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 45 🐛 待处理 17 👀 关注 8

GitHub ↗

GitHub 星标 ★ 667

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，本地部署，完全免费

项目预览

flash-diffusion 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队gojasper

GitHubhttps://github.com/gojasper/flash-diffusion

定价模式🏷️完全免费

价格说明开源项目，本地部署，完全免费

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型diffusion-models,distillation,dit,inpainting,sdxl,super-resolution,text-to-image

GitHub 星标★ 667

上线时间2024-06-04 00:00:00

代码更新2025-03-11

仓库体积51.6 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

Flash Diffusion 是一个加速条件扩散模型推理的开源项目，来自 AAAI 2025 Oral 论文。它通过引入先进的蒸馏技术和架构优化，显著减少扩散模型（如 SDXL、DiT 等）在文本到图像、图像修复、超分辨率等任务中的采样步数，从而在保持生成质量的同时大幅提升推理速度。项目核心能力包括：支持多种主流扩散模型架构、提供即插即用的加速模块、以及针对不同任务（如 inpainting、super-resolution）的优化方案。它解决的核心问题是扩散模型在实际应用中推理慢、部署成本高的问题，使得实时或近实时的图像生成成为可能。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 667

技术标签

diffusion-models distillation dit inpainting sdxl

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 60 分钟部署方式：本地安装 4 步

环境要求

CUDA GPU
Python 3.10
预训练权重

安装与启动步骤

1建环境

扩散模型少步生成的官方实现。
```
conda create -n flash_diffusion python=3.10
```
2升级 pip 再装依赖

老 pip 解析依赖容易失败。
```
pip install --upgrade pip
```
3装项目

requirements 装完再把项目装成包。
```
pip install -r requirements.txt && pip install -e .
```
4跑少步推理

对比不同步数下的质量，找到可接受的拐点。