Z-Image 开源D-OPSD自蒸馏技术。
Z-Image 团队开源D-OPSD : 策略内自蒸馏用于持续调整步进蒸馏扩散模型
我个人的总结就是，现在他们能利用这个技术从Z-image-base 蒸馏出又快又更具多样性的z-image-turbo了

总的来说就是:
▪️ 之前的死局: 我们平时用 Z-Image Base 跑图, 多样性好且上限高, 但多步采样太慢. 换 6B 的 Z-Image Turbo 虽然极速, 但极其死板, 多样性极差. 最要命的是, 如果你硬拿 SFT 去微调 Turbo 提高上限, 它的极速出图能力会当场报废.
▪️ 破局点: D-OPSD 搞了个策略内自蒸馏. 就是那种... 简单来说, 让模型同时做老师和学生, 老师看着参考图跑出高上限的图, 学生只看纯文本去死磕老师的极速轨迹.
▪️ 最终收益: 直接在不破坏 Turbo 极速能力的前提下, 强行把它的多样性和概念认知给拉上去了.

以前为了画风多样性只能忍受 Base 的龟速. 以后终于能在 Turbo 这个极速底座上炼出高上限的模型了.而且 Z image模型这个模型整体的审美，我个人是非常喜欢的。还是很期待这项技术的应用。

🔗 项目主页:
http://t.cn/AXJd4CqD