invertible-cd

7步内完成高质量文本引导图像编辑，让扩散模型编辑提速十倍。

Invertible Consistency Distillation（ICD）是一个面向文本引导图像编辑的扩散模型加速蒸馏框架，发表于NeurIPS 2024。它针对现有基于扩散模型的图像编辑方法需要数十甚至上百步采样、计算开销大的问题，提出了一种可逆一致性蒸馏方法，使得模型能在约7步内完成高质量的文本引导编辑。ICD结合了一致性蒸馏与可逆变换，确保编辑过程在保持源图像结构的同时，准确响应文本指令。核心能力包括：支持多种编辑类型（如属性替换、风格迁移、局部修改），提供稳定的编辑保真度，并兼容Stable Diffusion等主流预训练模型。项目代码基于Python实现，依赖PyTorch，提供了训练和推理脚本，便于研究者复现和扩展。作为早期项目，其API和文档仍在完善中，但已展示出在实时交互式编辑场景中的潜力。