FlashClear：通过高效步骤 蒸馏 和功能缓存实现超快速图像内容删除

最近，基于扩散的对象去除模型在消除对象及其相关视觉效果方面取得了令人印象深刻的结果。然而，他们不加区别地对所有时间步长的所有标记进行去噪，忽略了去除通常涉及小的前景区域。该策略引入了大量的计算开销和延长的推理时间。为了克服这种计算负担，我们提出了一个潜在的鉴别器来实现区域感知对抗 蒸馏 (RAD)，产生一个名为 FlashClear 的高效的几步模型。此外，针对少步扩散模型，我们提出了 FPAC（前景优先的非对称注意力和缓存），这是一种 无需训练 加速策略。大量实验表明，我们的框架提供了巨大的加速，同时保持或超过了我们的基本模型 ObjectClear 的性能。值得注意的是，在 OBER 基准测试中，我们的 FlashClear 分别比 ObjectClear 和 OmniPaint 实现了高达 8.26$\times$ 和 122$\times$ 的加速，同时保持了高视觉质量和保真度。