SD绘画对比20种采样模式的优劣异同

Stable Diffusion对比20种采样模式的优劣异同

为何【DPM++ 2M Karras】会成为大多数人在使用 Stable Diffusion 进行AI绘画时所常用的采样模式呢？

要想回答这个问题，还是要靠具体的实测。

下面就让我们看看各种采样模式，在5步、10步、20步、30步采样后结果的直接对比吧。

相关提示词如下，基本的意思就是，一个女孩穿着未来主义风格的衣服。

Prompt:
(masterpiece, finely detailed beautiful eyes: 1.2), ultra-detailed, a joyful girl in futuristic attire, SF, glowing gadgets, standing, a utopian metropolis, marveling, detailed background, (realistic:2), volumetric light, sunbeam, light rays, sky, cloud,

Negative prompt:
EasyNegative, (worst quality, low quality:1.4), monochrome, zombie,

1、Euler a

Euler a，属于超快采样模式，采样10次，即可完成基本画面。但是继续提高采样步数，就基本脱离了提示词。

2、Euler

Euler，同属于超快采样模式，采样10次，即可完成基本画面，继续提高采样步数，会略微调整一下衣物的细节。

3、LMS

LMS，可能不太适合拟真画面，采样30次，仍然不能完成基本画面。

4、Heun

Heun，采样20次后，可以完成基本画面，继续提高采样步数，会略微调整一下衣物与背景的细节。

5、DPM2

DPM2，采样20次后，可以完成基本画面，继续提高采样步数，会改变背景的细节。

6、DPM2 a

DPM2 a，采样20次后，可以完成基本画面，继续提高采样步数，会脱离提示词。

7、DPM++ 2S a

DPM++ 2S a，也属于超快采样，采样10次即可完成基本画面，采样20次会形成新风格，继续提高采样步数，则会脱离提示词。

8、DPM++ 2M

DPM++ 2M，采样20次后，可以完成基本画面，继续提高采样步数，会完善人物衣物的细节，整体变化不大。

9、DMP++ SDE

DPM++ SDE，基本是脱离提示词的状态，但用于生成人物特写似乎特别高效，采样5次即可生成较好的人物画面。

10、DPM fast

DPM fast，不太适合拟真画面，采样30次也是脱离提示词的状态。

11、DPM adaptive

DPM adaptive，和 DPM++ SDE 差不多基本都是脱离提示词的状态，但用于生成人物特写似乎特别高效，采样5次即可生成较好的人物画面，与 DPM++ SDE 不同的是人物特征比较固化。

12、LMS Karras

LMS Karras，采样色彩较好，采样10次后，可以完成基本画面，随着采样步数的增加，会进一步完善人物与背景的细节。

13、DPM2 Karras

DPM2 Karras，采样10次后，可以完成基本画面，随着采样步数的增加，会进一步完善背景的细节，人物变化不大。

14、DPM2 a Karras

DPM2 a Karras，不太适合拟真画面，完全脱离提示词，随着采样步数的增加，人物与背景的变化都很大，但细节比较多，适合随机绘画。

15、DPM++ 2S a Karras

DPM++ 2S a Karras，也属于超快采样，采样5次即可完成基本画面，采样10次就会有较好的表现，但采样步数增多，反而会脱离提示词。

16、DPM++ 2M Karras

DPM++ 2M Karras，采样色彩较佳，随着采样次数的增加，人物及背景的细节都会得到相应的增强。看来大部分人使用它，都是为了获得更好的色彩和采样宽容性。

17、DPM++ SDE Karras

DPM++ SDE Karras，完全脱离了提示词，随着采样次数的增加，人物变化不大，背景变化较大，适合人物随机特写。

18、DDIM

DDIM，严格遵循提示词，采样10次可以完成基本画面，只是效果一般，采样20次会有较好的表现，采样30次达到稳定画面。

19、PLMS

PLMS，不太适合拟真画面，采样30次还不能完成基本画面，人物出现动漫画的特征。

20、UniPC

UniPC，采样20次可以完成基本画面，线条感较强，采样30次之后，开始向拟真人物发展。

所以，综上所述，大部分AI绘画研究者都选择使用 DPM++ 2M Karras，确实是因为这种采样模式在适配提示词、画面色彩及采样宽容性上的表现最好。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。