AI画材质里采样算法的选择

我之前基本实现了使用AI生成MC风格的贴图，方块和物品都实现了，尽管模型可以在调参后优化，但那是之后的事，工作量很大。因此，最近我决定先研究一下生成时的参数。

其中一个参数是sampler，也就是具体使用哪种采样算法。说实话，我完全不知道这些算法都是啥，我只知道a代表非线性，可能步数多了之后反而变崩。

既然如此，那就全都试用一遍。所幸SD里的XYplot能很方便地实现这个功能，挂几个小时就能生成一张这样的网格图。第一题我们先来个简单的开卷考试：钻石块。训练集里是有钻石块的，因此按理说diamond block它不应该生成的很烂，至少不会毫无概念。那么，结果如下。

从上到下的算法是Euler a, Euler, LMS, Heun, DPM2, DPM2 a, DPM++ 2S a, DPM++ 2M, DPM++ SDE, DPM fast, DPM adaptive, LMS Karras, DPM2 Karras, DPM2 a Karras, DPM++ 2S a Karras, DPM++ 2M Karras, DPM++ SDE Karras, DDIM, PLMS, UniPC。

横轴是步数为2、4、6、8……40的结果。

可以看到，

第三行的LMS差得要命，根本生成不出能看的钻石块贴图。

倒数第二行的PLMS也是相当糟糕。中间的DPM adaptive非常稳定，自始至终毫无变化。

DPM Fast，开局先是一团乱麻，之后经过很长的一段转变才稳定。

DPM++ 2S a Karras和DPM++ SDE Karras则是在不到20步就进入了稳定态。

训练集就有钻石块，那么AI面对陌生的环境表现如何呢？我们让他来个闭卷考试，红宝石块（ruby, block）。

我试了几个不同的种子。DPM Fast有时候能成功生成，有时候则不行。

基本上，各个算法给出的最终答案都是具有十字纹路的块，虽然我也不知道是为什么。少部分算法在过程中生成了一些没有纹路的块，但之后就放弃了这个解。说实话，我觉得这个没有纹路的才应该是正解。LMS Karras是少数自始至终都维持了这个解的算法。

几轮测试下来，我认为在生成MC AI贴图的问题上，如果不想去在步数上反复调试，直接DPM Adaptive是最舒服的。它与步数无关，即使step设为2也没有问题，而且高度稳定，基本不会出现噪点。