AMD近日发布了一款名为Nitro-E的轻量级文本到图像生成模型，以304M参数实现高效AI绘图，其蒸馏版本更可在仅4步推理的情况下达到每秒39.3张图片的生成速度，为边缘设备和实时应用场景带来新可能。
【免费下载链接】Nitro-E项目地址: https://ai.gitcode.com/hf_mirrors/amd/Nitro-E
当前AI图像生成领域正面临性能与效率的双重挑战。主流模型如Stable Diffusion虽能生成高质量图像，但通常需要数十亿参数和大量计算资源，导致部署成本高昂且推理速度受限。随着AIGC应用向移动端、嵌入式设备扩展，市场对轻量级、低延迟模型的需求日益增长。相关数据显示，2024年边缘AI计算市场规模同比增长显著，轻量化模型成为推动AI普及的关键因素。
Nitro-E系列模型的核心优势在于其创新的架构设计与极致优化。该模型采用AMD提出的Efficient Multimodal Diffusion Transformer（E-MMDiT）架构，通过三大技术路径实现效率突破：首先，采用高压缩率视觉编码器生成紧凑图像表示；其次，创新的多路径压缩模块进一步减少 tokens 数量；最后，引入交替子区域注意力（ASA）机制降低计算复杂度。这些设计使模型参数控制在304M，仅为传统扩散模型的1/10左右。
在性能表现上，Nitro-E展现出惊人效率：基础版模型在单张AMD Instinct MI300X GPU上实现每秒18.8张512px图像的吞吐量（batch size 32）；蒸馏版本Nitro-E-512px-dist更将推理步数压缩至4步，吞吐量提升至每秒39.3张，且无需引导尺度（guidance scale=0）。训练效率同样突出，从零开始训练仅需1.5天，在配备8张MI300X GPU的单节点上即可完成。
该系列包含三个版本：基础版Nitro-E-512px（20步推理）、蒸馏版Nitro-E-512px-dist（4步推理）以及采用组相对策略优化（GRPO）微调的Nitro-E-512px-GRPO。模型训练数据来自2500万张公开图像，包括Segment-Anything-1B、JourneyDB等多个数据集，确保生成内容的多样性和创意性。
Nitro-E的推出标志着AMD在AI生成模型领域的重要突破，其技术路线为行业提供了高效模型设计的参考范式。对于开发者而言，304M的轻量级参数意味着更低的部署门槛，可在消费级GPU甚至高端CPU上运行；4步快速出图能力则为实时交互应用奠定基础，如虚拟试衣间、AR场景生成、游戏素材创作等。企业用户将受益于显著降低的计算成本，据测算，同等吞吐量下Nitro-E的硬件投入可减少60%以上。
【免费下载链接】Nitro-E项目地址: https://ai.gitcode.com/hf_mirrors/amd/Nitro-E
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
