首页
/ UCGM:统一连续生成模型的最佳实践

UCGM:统一连续生成模型的最佳实践

2025-05-21 11:48:25作者:翟江哲Frasier

1. 项目介绍

UCGM(Unified Continuous Generative Models)是一个开源项目,旨在提供一个统一的框架,用于训练、采样和理解连续生成模型,如扩散模型、流匹配模型和一致性模型。该项目由Westlake University和Zhejiang University的研究者共同开发,并在Apache-2.0许可证下发布。UCGM的特点包括:

  • 统一框架:在一个系统中训练和采样扩散、流匹配和一致性模型。
  • 即插即用加速:UCGM-S能够加速预训练模型,减少采样步骤,提高FID(Fréchet Inception Distance)指标。
  • SOTA性能:UCGM-T训练的模型在低步数时性能优于同类模型。
  • 少步掌握:即使是仅2步的模型,也能保持强大的性能。
  • 无引导:UCGM-T训练的模型无需引导技术,简化了模型并提高了速度。

2. 项目快速启动

为了快速启动UCGM项目,你需要遵循以下步骤:

首先,确保你已经安装了Python环境。然后,从Huggingface下载必要的VAEs(变分自编码器) checkpoints、数据集统计文件和FID计算参考文件。

接下来,运行以下Shell命令准备数据集(如果不需要训练模型,则跳过此步骤):

bash scripts/data/in1k256.sh

现在,你可以使用以下命令来生成图像和评估FID:

bash scripts/run_eval.sh ./configs/sampling_multi_steps/in1k256_sit_xl_repae_linear.yaml

3. 应用案例和最佳实践

生成图像

使用预训练的少步模型生成样本:

bash scripts/run_eval.sh ./configs/training_few_steps/in1k256_tit_xl_vavae.yaml

训练模型

训练一个新的多步模型(完整训练):

bash scripts/run_train.sh ./configs/training_multi_steps/in1k512_tit_xl_dcae.yaml

将多步模型转换为少步模型(需要预训练的多步模型checkpoint):

bash scripts/run_train.sh ./configs/training_few_steps/in1k512_tit_xl_dcae.yaml

注意:少步训练需要从多步checkpoint初始化:

{
  "model": "multi_step_ckpt",
  "ema": "multi_step_ckpt_ema"
}

4. 典型生态项目

UCGM作为一个开源项目,可以与多个生态项目配合使用,例如:

  • REPA-E:用于图像生成的预训练模型。
  • Lightning-DiT:基于PyTorch Lightning的Diffusion Transformer模型。
  • DDT:基于深度学习的图像生成模型。

通过整合这些项目,可以进一步扩展UCGM的功能和应用范围。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
168
2.05 K
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
92
599
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
954
563
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
71
Git4ResearchGit4Research
Git4Research旨在构建一个开放、包容、协作的研究社区,让更多人能够参与到开放研究中,共同推动知识的进步。
HTML
25
4
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0