Latent Consistency LoRAsによるSDXLの高速化手法
SDXL in 4 steps with Latent Consistency LoRAs
Stable DiffusionおよびSDXLモデルの推論速度を大幅に向上させる新しい手法「Latent Consistency LoRAs (LCM LoRAs)」が発表された。この手法では、モデル全体を再学習するのではなく、少数のアダプター(LoRAレイヤー)のみを学習させることで、既存のファインチューニング済みモデルに適用可能となる。これにより、例えばM1 MacではSDXLの画像生成が約1分から約6秒に、3090 GPUでは約7秒から約1秒に短縮される。この高速化は、生成ツールのアクセシビリティ向上、アーティストや研究者のイテレーション速度向上、低コストな画像生成サービスなどに貢献する。記事では、LCM LoRAsを適用したコード例、標準SDXLとの品質比較、他のファインチューニングモデルへの適用例、およびLCM LoRAsと通常のLoRAsの組み合わせについても解説している。さらに、LCM LoRAsの学習スクリプトも提供され、コミュニティによる独自のファインチューニングを促進する。
- Latent Consistency LoRAs (LCM LoRAs) の研究発表と学習スクリプトの公開
LCM LoRAsはモデル全体ではなく軽量なLoRAアダプターのみの学習で高速推論を実現する点が、コモディティ化が進む画像生成AI領域における差別化要因になる。推論時間の短縮はGPUコスト削減(3090で7秒→1秒)に直結し、画像生成サービス提供企業のマージン改善や、エッジデバイス(M1 Macで60秒→6秒)への展開加速につながる。既存のファインチューニングモデルに後付け可能な互換性も、技術普及の障壁を下げる。学習スクリプトが公開されたことで、コミュニティによる応用が一気に広がる可能性があり、関連する推論最適化スタートアップや、高速生成を武器にしたサービスの競争力向上に注目したい。