WaDi

一步生成高质量图像，蒸馏时精准把控权重方向

WaDi 是一个面向一步图像合成的权重方向感知蒸馏框架，由 CVPR 2026 论文官方提供 PyTorch 实现。它解决扩散模型蒸馏过程中因权重方向忽略导致的一步生成质量不佳、可控性弱的问题。核心能力包括：利用权重方向感知的蒸馏策略，在保持生成多样性的同时提升一步合成的保真度；支持 LoRA 等轻量适配，便于在特定风格或概念上进行可控生成；兼容 DMD/DMD2 等主流蒸馏方法，提供可复现的训练与推理代码。项目处于早期阶段，代码结构清晰，适合研究者快速上手实验。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 189

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队gudaochangsheng

所属国家

官网地址https://gudaochangsheng.github.io/WaDi-Page

GitHubhttps://github.com/gudaochangsheng/WaDi

定价模式free

价格说明开源项目，提供官方网页展示，代码可免费获取，无付费版本。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型adaptation,controllable-generation,deep-learning,distillation,distillation-model,dmd,dmd2,image-generation,lora,lorad,low-rank,low-rank-adaptation,one-step-diffusion-model,peft,pytorch,rope,sid,swiftbrush,swiftburshv2

GitHub 星标★ 189

30天Star增速

HF 下载量

上线时间2026-03-09 00:00:00

最近更新2026-09-18 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

核心亮点

提出权重方向感知蒸馏，直接针对一步合成质量瓶颈，效果有论文支撑
支持 LoRA 适配，方便在特定风格或概念上做可控生成，扩展性强
基于 PyTorch 官方实现，代码结构清晰，便于二次开发与复现

不足之处

早期项目，文档和社区支持待观察
依赖 DMD/DMD2 等基础方法，使用门槛较高

适用场景

学术研究：探索一步扩散模型蒸馏的新方法
可控图像生成：通过 LoRA 定制风格或概念，实现快速一步合成
工业部署：需要低延迟图像生成的场景，如实时编辑或批量生成

替代项目

DMD、DMD2、LCM

项目介绍

WaDi 是模型训练领域的开源项目，由 gudaochangsheng 开发，是 2026 年新上线的项目。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 189。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。提供官方网页展示，代码可免费获取，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：学术研究：探索一步扩散模型蒸馏的新方法。同类可对比的替代方案包括 DMD、DMD2、LCM。

上一篇：Flow-Factory

下一篇：MHLA