TFMQ-DM

给扩散模型瘦身，4-bit量化不降画质，部署提速。

TFMQ-DM 是 CVPR 2024 Highlight 和 TPAMI 2025 论文的官方 PyTorch 实现，专注于扩散模型的训练后量化（PTQ）。扩散模型（如 Stable Diffusion）在图像生成上效果惊艳，但参数量大、推理慢，难以部署到边缘设备。TFMQ-DM 通过时间特征维护（Temporal Feature Maintenance）技术，在量化过程中保留关键的时间步特征，显著降低模型位宽（如 4-bit）同时保持生成质量。项目提供完整的量化流程、评估脚本和预训练权重，支持 DDIM、LDM、Stable Diffusion 等主流模型，旨在解决扩散模型在资源受限场景下的高效部署问题，为研究者和工程师提供即用型量化工具。