生成式人工智慧服務可以產生高品質的視覺拼湊，但通常相當緩慢。麻省理工學院和Adobe 公司的研究人員針對這個耗時問題開發了一種潛在的解決方案，即一種對影像品質影響最小的全新超快速影像生成方法。該技術每秒可產生約20 張影像。

影像生成人工智慧通常採用一種稱為擴散的過程，透過幾個取樣步驟來完善視覺輸出，以達到最終希望”逼真”的結果。研究人員表示，擴散模型可以產生高品質的影像，但需要數十次前向傳遞。

Adobe 研究中心和麻省理工學院的專家正在引進一種名為”分佈匹配蒸餾”（DMD）的技術。此程序將多步驟擴散模型簡化為一步影像生成解決方案。由此產生的模型可以產生與Stable Diffusion 1.5 等”傳統”擴散模型相當的影像，但速度要快上幾個數量級。

“我們的核心理念是訓練兩個擴散模型，不僅能估計目標真實分佈的得分函數，還能估計假分佈的得分函數。」研究人員稱，他們的模型可以在現代GPU 硬體上每秒生成20 幅圖像。

上面的影片短片重點介紹了DMD 與Stable Diffusion 1.5 相比的影像生成能力。標清每張影像需要1.4 秒，而DMD 只需幾分之一秒就能產生類似的影像。雖然在品質和效能之間有所權衡，但最終結果仍在一般使用者可接受的範圍之內。

該團隊發表的關於新渲染方法的文章展示了使用DMD 生成圖像結果的更多範例。它比較了穩定擴散和DMD，同時提供了產生影像的重要文字提示。主題包括透過虛擬數位單眼相機鏡頭取景的一隻狗、多洛米蒂山脈、森林中一隻神奇的鹿、一隻鸚鵡寶寶的3D 渲染、獨角獸、鬍鬚、汽車、貓，甚至更多的狗。

分佈匹配蒸餾法並不是第一種用於產生人工智慧影像的單步驟方法。Stability AI 公司開發了一種被稱為逆向擴散蒸餾（ADD）的技術，用於即時生成100 萬像素的影像。該公司透過ADD 訓練其SDXL Turbo 模型，在單一NVIDIA A100 AI GPU 加速器上實現了僅207 毫秒的影像生成速度。Stability 的ADD 採用了與麻省理工學院的DMD 類似的方法。