导读
LCM 通过 consistency distillation 在 latent space 实现 2–4 步高质量生成。速度提升改变的是接口可能性：当生成接近实时，AI 图像更容易进入绘画、设计、直播和交互软件。
查看大图 ↗所链接文献 PDF 的第 1 页，保留原图与原语言。页面版本以来源文件为准；后来的修订或重印日期不替代节点的历史日期。
Simian Luo et al. · 原文献 · 图像权利归原权利人；不视为开放许可
资料出处 · Latent Consistency Models: Synthesizing High-Resolution Images with Few-Step Inference ↗档案研究说明
缩短生成等待时间，改变迭代节奏。
ANTI-AI ARCHIVE · 修订 2026-10-02
研究方法与具体变化
潜在一致性模型把引导扩散过程视为潜在空间中的概率流常微分方程，通过蒸馏学习直接预测其解，减少采样迭代。论文报告少步生成与定制数据微调实验。速度和质量数字依赖所用模型、硬件与实验设置，不能作为所有设备上的保证。
本节依据: 潜在一致性模型：少步图像生成：资料依据
在艺术史中的位置
加速的历史意义在于创作循环可能从等待一张结果转向连续比较变化。它也会增加筛选劳动的重要性：更快地产生图像，并不自动带来更明确的判断或更完整的制作记录。
本节依据: 潜在一致性模型：少步图像生成：资料依据
正文引用资料
核读作者或会议页面的摘要与版本记录；未通读全部证明或复现实验。
本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
比较本条与去噪扩散概率模型之间的制作方法、控制方式或展示语境。
比较本条与潜在扩散模型之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：2023-10 · 来源记录的历史日期：2023-10
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Latent Consistency Models: Synthesizing High-Resolution Images with Few-Step Inference
https://arxiv.org/abs/2310.04378
当前引用地址
出处、翻译与核验状态
主线节点 #211 · 历史节点
研究资料与补充出处 · 2
AI 艺术谱系研究母版 · p. 31 · 104
原记日期: 2023-10
潜在一致性模型：少步图像生成 ↗
Latent Consistency Models: Synthesizing High-Resolution Images with Few-Step Inference
生成式视觉发布编年研究母版 · p. 16 · R081
原记日期: 2023-10
潜在一致性模型：少步图像生成 ↗
Luo et al. — Latent Consistency Models
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. 潜在一致性模型：少步图像生成. 艺术史节点 #211. https://salondesrefuses.cn/zh/art-history/104
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。