图像生成终结扩散模型，OpenAI「一致性模型」加冕：GAN的速度一步生图，高达18FPS

OpenAI重磅研究「一致性模型」项目开源，不仅一步瞬时生图，还能图像编辑，连最能打的扩散模型也得让步了。

ChatGPT、Midjourney的火爆，让其背后技术扩散模型成为「生成式AI」革命的基础。

甚至，还受到业内研究者极力追捧，其风头远远盖过曾经逆袭天下的GAN。

就在扩散模型最能打的时候，竟有网友突然高调宣布：

Diffusion models时代终结！Consistency models加冕为王！

这究竟是怎么回事？？？

原来，OpenAI曾在3月发布了一篇重磅、且含金量十足的论文「Consistency Models」，并在今天在GitHub上公开了模型权重。

论文地址：https://arxiv.org/abs/2303.01469

项目地址：https://github.com/openai/consistency_models

「一致性模型」在训练速度上颠覆了扩散模型，能够 『一步生成』 ，比扩散模型更快一个数量级完成简单任务，而且用到的计算量还要少10-2000倍。

那么，这到底有多快呢？

有网友表示，相当于在大约3.5秒内生成64张分辨率为256×256的图像，也就是 每秒18张 ！

而且，最新模型最主要优势之一，就是不需要「对抗训练」就能实现高质量样本。

这篇研究 由图灵三巨头之一Hinton学生，AlexNet的主要推动者Ilya Sutskever亲笔撰写 ，还有研发DALL-E 2的华人学者Mark Chen、Prafulla Dhariwal，研究内容有多硬核可想而知。

甚至还有网友称，「一致性模型」才是未来的研究方向，相信我们未来一定会嘲笑扩散模型。

所以，扩散模型也要不存在了？

更快，更强，无需对抗

目前，这篇论文还是未定稿版本，研究还在继续中。

2021年，OpenAI首席执行官Sam Altman曾撰写了一篇博客，讨论摩尔定律应该如何应用于所有领域。

Altman前段时间又在推特上公开谈到了人工智能正在实现「蛙跳」。他表示，「新版摩尔定律可能很快就会出现，宇宙中的智能数量每18个月翻一番。」

对于其他人来说，Altman的乐观可能看起来毫无根据。

但OpenAI的首席科学家Ilya Sutskever带领团队做出的最新研究，恰恰为Altman的主张提供了强有力的支撑。

都说2022年是AIGC元年，是因为许多模型的泉涌背后都是基于扩散模型。

扩散模型的大红大紫逐渐取代了GAN，并成为当前业界最有效的图像生成模型，就比如DALL.E 2、谷歌Imagen都是扩散模型。

然而，最新提出的「一致性模型」已被证明可以在更短的时间内，输出与扩散模型相同质量的内容。

这是因为，这种「一致性模型」采用了类似GAN的单步生成的过程。

相比之下，扩散模型采用了一种反复采样的过程，逐步消除图像中的噪声。

这种方法虽然让人印象深刻，但需要依赖执行一百到数千步的步骤才能取得良好的结果，不仅操作成本高，而且速度慢。

扩散模型的持续迭代生成过程，比「一致性模型」消耗的计算量要多10-2000倍，甚至减慢了训练过程中的推理速度。

「一致性模型」强大之处在于，必要时能够在样本质量和计算资源两者间进行权衡。

此外，这个模型还能够执行零样本的数据编辑任务，比如图像修补，着色或笔触引导的图像编辑。

使用在LSUN Bedroom 256^256上通过蒸馏训练的一致性模型进行零样本图像编辑

「一致性模型」还能在使用数学方程时将数据转换成噪声，并确保结果输出对于相似数据点是一致的，从而实现它们之间的平滑过渡。

这类方程称为「概率流常微分方程」（Probability Flow ODE）。

这项研究将这类模型命名为「一致性」，因为它们在输入数据和输出数据之间保持了这种自洽性。

这些模型既可以在蒸馏模式（distillation mode）下训练，也可以在分离模式（isolation mode）下训练。

在蒸馏模式中，模型能够从预训练的扩散模型中提取数据，使其能够在单个步骤中执行。

在分离模式下，模型完全不依赖于扩散模型，从而使其成为一种完全独立的模型。

值得注意的是，这两种训练方法都将「对抗训练」从中删除。

不得不承认，对抗训练确实会产生更强大的神经网络，但其过程是较为迂回。即它引入一组被错误分类的对抗性样本，然后用正确的标签重新训练目标神经网络。

因此，对抗训练这种方式也会导致深度学习模型预测的准确性略有下降，甚至它可能在机器人应用中带来意想不到的副作用。

实验结果表明，用于训练「一致性模型」的蒸馏技术优于用于扩散模型的。

「一致性模型」在 CIFAR10图像集和 ImageNet 64×64数据集上，分别获得了3.55和6.20的最新最先进的FID分数。

这简直就是实现了，扩散模型的质量 + GAN的速度，双重完美。

2月份，Sutskever曾发布了一条推文暗示，

许多人认为伟大的AI进步必须包含一个新的「想法」。但事实并非如此：许多AI的最伟大进步都是以这样的形式出现的，嗯，原来这个熟悉的不起眼的想法，如果做得好，会变得令人难以置信。

最新研究正好证明了这一点，基于旧概念的微调可以改变一切。

作者介绍

作为OpenAI的联合创始人兼首席科学家，Ilya Sutskever无须赘述，看看这张「顶级扛把子」大合照就够了。

（图片最右）

Yang Song（宋飏）

论文一作宋飏，是OpenAI的研究科学家。

此前，他在清华大学获得数学和物理学学士学位，并在斯坦福大学获得了计算机科学硕士和博士学位。此外，他还在谷歌大脑、Uber ATG和微软研究院做过实习。

作为一名机器学习的研究人员，他专注于开发可扩展的方法来建模、分析和生成复杂的高维数据。他的兴趣横跨多个领域，包括生成建模、表征学习、概率推理、人工智能安全和AI for science。

Mark Chen

Mark Chen是OpenAI多模态和前沿研究部门的负责人，同时也是美国计算机奥林匹克队的教练。

此前，他在麻省理工学院获得了数学与计算机科学学士学位，并曾在几家自营交易公司（包括Jane Street Capital）担任量化交易员，为股票和期货交易构建机器学习算法。

加入OpenAI后，他带领团队开发了DALL-E 2，并将视觉引入到GPT-4中。此外，他还领导了Codex的开发，参与了GPT-3项目，并创建了Image GPT。

Prafulla Dhariwal

Prafulla Dhariwal是OpenAI的一名研究科学家，从事生成模型和无监督学习。在此之前，他是麻省理工学院的一名本科生，学习计算机、数学和物理学。

有趣的是，扩散模型可以在图像生成领域吊打GAN，正是他在2021年的NeurIPS论文中提出的。

网友：终于做了回Open AI

OpenAI今天开放了一致性模型源代码。

终于做回了Open AI。

面对每天太多疯狂突破和宣布。网友发问：我们是稍作休息，还是加速前进？

与扩散模型相比，这将大大节约研究人员训练模型的节约成本。

还有网友给出了「一致性模型」的未来用例：实时编辑、NeRF渲染、实时游戏渲染。

目前倒是没有demo演示，但值得确定的能够实现图像生成的速度大幅提升总是赢家。

我们直接从拨号升级到宽带了。

脑机接口，外加几乎实时生成的超逼真图像，妥妥的黑客帝国啊！

参考资料：

https://arxiv.org/abs/2303.01469

https://github.com/openai/consistency_models

本文来自微信公众号“新智元”（ID：AI_era），作者：新智元，编辑：桃子 好困