什麼是采樣器
衆所周知，當我們使用Stable Diffusion時，它首先會建立一張充滿噪聲的原始圖像，之後逐漸去除圖像中的噪聲。這個過程就像是雕刻：原始噪聲圖就像是雕刻的原料，去噪的過程就像是用雕刻刀去除廢料，最後生成的圖檔就像是雕刻成型的作品。這個去噪的過程，就被稱為采樣。
選擇何種采樣器進行去噪，就好比是選擇何種雕刻刀進行雕刻。采樣器就是用來負責控制去噪的具體操作。
采樣器的一個重要名額是收斂性。當采樣器達到一個階段，繼續進行更多步驟不會再改善結果時，我們就認為圖像已經達到了收斂狀态。
有些采樣器能夠迅速收斂，非常适用于快速驗證創意和想法。而其他一些采樣器可能需要更長的時間或更多的步驟才能收斂，但它們通常能夠提供更高品質的結果。還有一些采樣器由于沒有設定極限，是以永遠不會收斂，這樣就為創新和創造性提供了更多空間。
什麼是排程器
如果說采樣器是用來負責控制去噪的具體操作，那麼排程器則是負責調控去噪的程度，決定每一步去除多少噪聲，以確定整個過程既高效又精準。
繼續沿用雕刻的比喻，在雕刻的初期，使用較大的力度快速敲掉大塊的部分是有益的，這樣可以加快雕刻的整體進展。而在雕刻的最後階段，我們需要極其細緻和謹慎地處理，以便精确雕琢出細節，防止雕塑出現破損。是以選擇合适的排程器也很重要。
采樣器詳解
接下來我們根據ComfyUI中采樣器的順序，對常用的采樣器進行詳細介紹:
euler
最簡單的采樣器，在采樣過程中不添加随機噪聲，通過噪聲計劃告訴采樣器，每個步驟中應該有多少噪聲。并使用歐拉方法減少恰當數量的噪聲。以比對噪聲計劃，直到最後一步為0 為止。
euler_ancestral (簡寫成euler a)
祖先采樣器的一種，類似于euler。其特點是在每一個新的處理步驟中，它們會添加之前步驟中産生的随機變量。可以想象成在每個步驟清除噪聲之後，又會有一部分先前的噪聲被重新引入。由于每一步都會增加新的随機噪聲，帶有這一特性的采樣器永遠不會達到收斂狀态。
heum
heum是對euler更精确的改進，但是需要在每個步驟中預測兩次噪聲,是以速度比euler慢2倍。
dpm_2
dpm_2可以被視為dpm的更新版，相當于“版本2”。它在原有模型的基礎上做了進一步的改良和優化。
dpm_2_ancestral (簡寫成dpm_2 a)
祖先采樣器的一種，使用dpm_2方法,此采樣器永遠不會達到收斂狀态。
lms
lms采樣速度與euler相同。
dpmpp_2s_ancestral(簡寫成dpm++ 2s a)
dpm++是dpm的另一個更新版。dpm++使用結合确定性和機率方法的混合方法進行采樣和後續的降噪。“2”表示它們是二階模型，“s”代表單步驟，“a”表示是祖先采樣器的一種，此采樣器永遠不會收斂。
dpmpp_sde(簡寫成dpm++ sde)
dpm++的SDE變體，它永遠不會收斂，是以即便步數增高，它也不能提供更高的品質，而是提供更多的變化，就像祖先的采樣器一樣。
dpmpp_2m(簡寫成dpm++ 2m)
類似于dpm++ 2s,"m"代表多步驟（Multi step）。這種方法在每一步進行多次計算，并且會考慮到之前步驟中擷取的資訊，進而實作更精确、更高品質的收斂，但相應地也需要更長的時間。
dpmpp_2m_sde(簡寫成dpm++ 2m sde)
dpmpp_2m的SDE變體，它永遠不會收斂，是以即便步數增高，它也不能提供更高的品質，而是提供更多的變化，就像祖先的采樣器一樣。
ddim
ddim是最先被提出的擴散模型采樣器之一。它的核心想法是每一步的圖檔可以通過添加以下三個東西來近似：最終的圖檔，圖像方向指向目前步驟的圖像和随機噪聲。可是在抵達最後一步之前我們怎麼知道最終的圖檔呢？ddim采樣器是使用去噪圖檔來對最終圖檔進行估計。
uni_pc
最新添加的采樣器，應該是目前最快最新的采樣方法，10步内實作高品質圖像。
如何選擇采樣器
沒有最好的采樣器，隻有最适合的采樣器。
- • 如果想要穩定可重制的圖像，請避免選擇任何祖先采樣器（名字以a或sde結尾的）
- • 如果想要簡單的圖，建議選擇euler,heun(可以減少步驟以節省時間)
- • 如果想快速生成品質不錯的圖檔，建議選擇dpmpp_2m (20 -30步) 、uni_pc（15-25步）
- • 如果想要每次生成不一樣的圖像，可以選擇不收斂的祖先采樣器（名字裡面帶a或sde）
對比測試
建立一個XY圖表，橫坐标是步數，從第5步開始，間隔四步，總共8個數值；縱坐标是上面介紹的各種采樣器。
從上圖中不難發現如下規律：
- • 名字以a或sde結尾的，确實不會收斂，每一步疊代圖像都會發生變化
- • euler，heun和ddim采樣器在第9步就已經出圖，對于簡單圖來說，确實是又好又快。
- • dpmpp_2m和uni_pc采樣器在第14步出圖，其中dpmpp_2m在第18步開始收斂，效果很好。
- • 不要被dpm_adaptive采樣器騙了，雖然第5步就已經收斂，但是該采樣器速度特别慢。後續我又單獨進行了測試，實際第2步就已經收斂，但是速度很慢。
- • lms采樣器表現最差。
作者:碼人老高
來源-微信公衆号:AI全棧之路
出處:https://mp.weixin.qq.com/s/MhErwK2ReRkRBWg733U6tw