概要
本ツールは、「Continuous-Time Distribution Matching (CDM)」技術を用いた、少ステップ拡散蒸留のためのフレームワークです。
動的な連続時間スケジューリングと分布マッチングを組み合わせることで、SD3-MediumやLongCatのような大規模拡散モデルから、少ないNFE（評価ステップ）で高品質な画像を効率的に生成するモデルを構築できます。
特に、高速な画像生成が必要な研究者や開発者、また限られた計算リソースで高性能な生成モデルを利用したいユーザーに適しています。
コマンドラインインターフェースを通じて、推論、学習、評価が可能です。
互換性・特徴
- Python
- CLI
- GPU必須
- ディフュージョンモデル
- 研究フレームワーク
- HuggingFace
基本情報
| ライセンス | MIT |
| Stars | 145 |
| Forks | 6 |
| カテゴリ | 画像生成 |
| アクティビティ | mid |
最新のissue
- あなたのコードに基づいてQwen-imageをトレーニングしましたが、トレーニングの質が最初に向上し、その後悪化しました。デバッグの助けが欲しいです。 (更新: 2026-05-29 / 我基于你们的代码训练了Qwen-image，但是我发现训练先变好再变差。我想获得一些debug的帮助)
- random_sigma_minとrandom_sigma_maxのパラメータ設定について (更新: 2026-05-21 / 关于random_sigma_min和random_sigma_max参数设置)
- DMD2蒸留と比べてGPUの消費時間は速くなりましたか、それとも遅くなりましたか？ (更新: 2026-05-14 / 和DMD2蒸馏花费GPU时相比是快了还是慢了)
GitHub: https://github.com/byliutao/CDM