扩散模型有哪些常见的采样加速方法？

1. DDIM 确定性采样

DDIM（Denoising Diffusion Implicit Models）通过引入非马尔可夫、确定性的采样过程，允许跳过大量中间时间步，将原本上千步的采样压缩到数十步而质量损失有限。当随机性参数 η 设为 0 时过程完全确定，适合需要可复现结果的场景，也支持图像到图像的编码/解码。

2. 高阶求解器 DPM-Solver 与 UniPC

DPM-Solver 将扩散过程建模为连续时间下的常微分方程，利用高阶数值积分（如二阶、三阶方法）在 10～25 步内即可达到接近完整采样的质量。UniPC 进一步采用"预测-校正"框架，在 10～18 步的极少步数下仍能稳健收敛，适合对速度要求极高的场景。

3. 一致性蒸馏与实时生成

一致性模型（Consistency Models）与 LCM（Latent Consistency Models）通过蒸馏技术，将生成所需步数从 50 步压缩到 4～8 步，实现接近实时的生成。这类方法在交互式应用和批量出图场景中价值突出。