SDXL和SD的10大区别！你知道几个？
SDXL和SD的10大区别！你知道几个？
Stable Diffusion XL（SDXL）和Stable Diffusion（SD）是当前AI绘画领域的重要模型。本文将从模型参数、语义理解能力、训练数据库等多个维度，对比分析SDXL和SD（主要指SD1.5及其微调版本）之间的10个主要区别。
1. 模型参数规模
SDXL的基础模型使用了Unet架构，包含了26亿（2.6B）个参数，远超SD1.5的8600万（860M）参数量，参数规模提升了超过三倍。
2. 语义理解能力
SDXL采用了两个CLIP模型的组合策略，包括OpenClip最大的模型ViT-G/14和SD v1中使用的CLIP ViT-L。这种设计既保证了对旧提示词的兼容性，又显著提升了模型的语言理解能力。
3. 训练数据库规模
SDXL的一个重要改进是能够利用更低分辨率的图片进行训练。由于将图片尺寸作为指导参数，SDXL可以使用分辨率小于256x256的图片，这使得训练数据库的图片数量大幅增加。下图展示了不同分辨率图片的分布情况，其中黑色框区域表示分辨率小于256x256的图片，占比高达39%。
4. 图片生成范围
得益于前面提到的三大优势，SDXL能够生成种类更加丰富、质量更高的图片。
5. 生成流程优化
SDXL采用了两阶段生成策略：首先使用基础模型（Base Model）生成初步图像，然后使用细化模型（Refiner Model）进一步提升细节表现。当然，仅使用SDXL的基础模型进行绘图也是可行的。
6. 支持的分辨率
SDXL支持多种原生分辨率，包括768 x 1344（竖屏，9:16）、915 x 1144（肖像，4:5）、1024 x 1024（方形，1:1）、1182 x 886（横屏照片，4:3）、1254 x 836（横屏风景，3:2）、1365 x 768（宽屏，16:9）、1564 x 670（电影宽屏，21:9）。这些分辨率下的表现与1024x1024的表现基本相当，而SD1.5不具备这种能力。
7. 文本生成能力
SDXL可以直接在图片中生成英文文本，这使得它在海报设计等需要在图片中添加文字的工作中具有优势。
8. 风格模拟能力
由于参数规模更大、语义理解能力更强，SDXL在学习特定风格方面表现出色。从下图可以直观感受到其风格模拟能力的提升。
9. 反向提示词使用
在使用SD模型时，通常需要在反向提示词中添加很多负面关键词来提升生成质量。但在SDXL中，过多的负向提示词反而会降低图片生成质量，例如”worst quality”和”bad quality”之类的反向提示词在SDXL中是完全不必要的。
10. 长文本理解能力
SDXL能够更好地理解较长的文本描述，即使输入较长的描述，也能生成相应的高质量图片。例如，提示词”一个年轻的妈妈正在跟她12岁的孩子说话，电影风格”可以被很好地理解和实现。
通过以上对比分析，可以看出SDXL在多个方面都对SD进行了显著改进，特别是在模型规模、语义理解、生成能力和分辨率支持等方面。这些改进使得SDXL在AI绘画领域具有更强的竞争力和应用潜力。