DiffusionOPSD

让扩散模型自我蒸馏，少步采样也能生成高质量图像

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 752

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类模型训练

开发团队worldbench

所属国家

官网地址https://diffusionopsd.github.io

GitHubhttps://github.com/worldbench/DiffusionOPSD

定价模式free

价格说明开源项目，免费使用，定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型aigc,diffusion-models,generative-ai,image-editing,image-generation,on-policy-distillation,on-policy-self-distillation,post-training,reinforcement-learning,rl,t2i,text-to-image,text-to-image-generation

GitHub 星标★ 752

30天Star增速

HF 下载量

上线时间2026-07-29 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-29

浏览次数11

项目介绍

DiffusionOPSD 是一个针对扩散模型的在线策略自蒸馏（On-Policy Self-Distillation）训练框架，旨在解决扩散模型在生成质量和训练效率上的平衡问题。它通过让模型在训练过程中自我蒸馏，利用当前策略生成的样本作为监督信号，从而无需额外教师模型即可持续提升生成性能。项目基于 PyTorch 实现，支持图像生成和编辑任务，核心能力包括高效的采样策略、稳定的训练流程以及灵活的配置接口。该框架特别适用于需要高保真图像输出且计算资源有限的场景，能够在减少采样步数的同时保持生成质量，为扩散模型的研究和应用提供了一个轻量级但有效的优化工具。