Des gains de vitesse spectaculaires pour la création d’images par IA
Cet article explore une nouvelle technique permettant d’accélérer considérablement le pipeline d’inférence de Stable Diffusion et SDXL, deux modèles de génération d’images par IA très populaires. Grâce aux Modèles de Consistance Latente (LCM) et aux LoRAs (Low-Rank Adaptation), il est désormais possible de réduire drastiquement le nombre d’étapes nécessaires pour générer une image, tout en conservant une qualité optimale. Ces avancées ouvrent la voie à de nouveaux cas d’usage passionnants, comme une plus grande accessibilité aux outils génératifs, une itération rapide pour les artistes et chercheurs, ou encore la possibilité de proposer des services d’images personnalisées en quasi temps-réel.
Points clés
- Les Modèles de Consistance Latente (LCM) sont une technique de distillation qui permet de réduire le nombre d’étapes nécessaires pour générer une image avec Stable Diffusion ou SDXL, passant de 25-50 étapes à seulement 4-8 étapes
- Cette optimisation permet des gains de vitesse d’un facteur 10 sur un Mac récent, ou la possibilité de générer des images en moins d’une seconde sur une RTX 3090
- Grâce aux LoRAs (Low-Rank Adaptation), il est possible d’appliquer cette optimisation à n’importe quel modèle SDXL ou Stable Diffusion fine-tuné, sans avoir à le distiller entièrement
- Cette accélération ouvre la voie à de nouveaux cas d’usage comme une plus grande accessibilité aux outils génératifs, une itération rapide pour les artistes et chercheurs, ou encore la génération d’images personnalisées en quasi temps-réel
- Les scripts d’entraînement pour créer ses propres modèles LCM sont disponibles en ligne
À retenir
Avec ces avancées technologiques, la génération d’images par IA devient de plus en plus accessible et performante, offrant de nouvelles perspectives passionnantes pour les artistes, les chercheurs et les entreprises. Il ne reste plus qu’à se lancer et à explorer les possibilités offertes par ces techniques révolutionnaires !
Sources
