极客号（Daydx.com）9月15日 消息:InstaFlow是一个快速、一步生成图像的模型，能够以接近Stable Diffusion的图像质量显著减少计算资源需求。这种高效率源自最近的Rectified Flow技术，它训练具有直线轨迹的概率流，因此本质上只需要一步即可进行快速推理。
项目地址:https://github.com/gnobitab/instaflow
InstaFlow具有几个优点:
极快推理:InstaFlow模型是一步生成器，它直接将噪声映射到图像，避免了弥散模型的多步采样。 在我们的A100GPU机器上，推理时间约为0.1秒，与原始Stable Diffusion相比可节省约90%的推理时间。
高质量:InstaFlow生成具有Stable Diffusion那样复杂细节的图像，在MS COCO2014数据集上的FID与最先进的文本到图像GAN（如StyleGAN-T）相当。
简单高效的训练:InstaFlow的训练过程只涉及有监督训练。 借助预训练的Stable Diffusion，仅需199个A100GPU天即可获得InstaFlow-0.9B。
方法:用文本调整的反流整流生成概率流
流程包括三个步骤:
1. 从预训练的Stable Diffusion生成（文本，噪声，图像）三元组
2. 应用文本调整的反流生成2-Rectified Flow，这是一条整流的生成概率流。
3. 从2-Rectified Flow中迁移学习得到一步InstaFlow。 注意迁移学习和反流是正交的技术。
如视频和图像所示，直线流具有以下优点:
1. 直线流需要更少的步骤来模拟。
2. 直线流在噪声分布和图像分布之间提供了更好的耦合，因此允许成功的迁移学习。
InstaFlow的核心功能有:
– 快速一步生成
– 与Stable Diffusion相当的图像质量
– 简单高效的训练过程
– 利用文本调整的反流产生直线概率流
– 从直线流中迁移学习以实现一步生成
通过直线流和迁移学习，InstaFlow实现了快速生成高质量图像的目标，是新一代文本到图像生成模型的杰出代表。
