论文专题讲解：DPM-Solver++：为 Guidance 场景设计的扩散 ODE 求解器

读法定位

这页先按“论文证据节点”读：先问它解决哪一个瓶颈，再看核心图表、实验 setting 和不能外推的边界。背景概念先回论文专题讲解和扩散模型。
前置：不必先读完所有相关论文，但要知道本篇的输入、训练/推理路径和评测口径分别对应什么。
主线关系：读完后把结论回填到「扩散模型」路线里，判断它改变的是机制、成本、数据配方、评测口径，还是仍停留在前沿假设。

论文信息

论文：DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models
链接：arXiv:2211.01095
代码：LuChengTHU/dpm-solver
期刊版本：Machine Intelligence Research，2025
关键词：diffusion ODE、guided sampling、classifier-free guidance、data prediction、dynamic thresholding、multistep solver、training-free sampler

DPM-Solver++ 解决的是扩散模型推理里很实用的问题：已经有一个训练好的扩散模型，不想再蒸馏或重训，只想在 classifier guidance / classifier-free guidance 下把采样步数从上百步压到 15 到 20 步，还不要因为 guidance scale 大而炸图。

它不是 DPM-Solver 的简单改名，而是针对 guided sampling 改了三件事：

从 noise prediction 视角转到 data prediction 视角求解扩散 ODE；
用 thresholding 把预测的 $x_0$ 拉回训练数据范围，缓解大 guidance scale 导致的 train-test mismatch；
用 multistep 形式复用历史函数值，在相同 NFE 下缩小有效步长，提升少步稳定性。

它的效率贡献是什么

Dimension	DPM-Solver++
Saved cost	Sampling NFE / latency; no extra training or distillation
Main target	Guided sampling under classifier guidance or classifier-free guidance
Main idea	Solve diffusion ODE with data prediction model $x_\theta$ , then use thresholding and multistep updates
Typical result	High-quality guided samples in about `15-20` NFE
Training cost	No model training; uses pretrained DPMs directly
Main risk	Very few steps still depend on schedule, guidance scale, thresholding, and model parameterization
Connect to	采样与推理加速、扩散方法对照表、噪声日程与参数化

论文位置

扩散加速大致有两条路线：

Route	Need retraining?	What it changes	Examples
Fast sampler / solver	No	Sampling path or ODE/SDE discretization	DDIM, Euler, Heun, DPM-Solver, DPM-Solver++
Distillation / consistency	Yes	Student model or generation mapping	Progressive Distillation, LCM, DMD, DMD2

DPM-Solver++ 属于第一类。它的工程价值是：如果你已经有 Stable Diffusion、Imagen/DeepFloyd 这类 pretrained diffusion model，它可以直接作为 scheduler / sampler 接上去，而不是重新训练一个少步学生。

论文的直接前作是 DPM-Solver。DPM-Solver 在无 guidance 或弱 guidance 采样里很强，但 DPM-Solver++ 指出：在大 guidance scale 下，原先的高阶求解器可能不但不快，反而比一阶 DDIM 更不稳定。

图源：DPM-Solver++，Figure 1。原论文图意：在 ImageNet 256×256、classifier guidance scale 8.0、15 NFE 下，若直接使用此前高阶 solver，图像会明显失真；DPM-Solver++ 能生成更稳定的样本。

这张图怎么读

输入输出：输入是 guided diffusion ODE/SDE 的 noisy state 和少量时间步，输出是更稳定的采样轨迹。
效率机制：改进 solver 以减少采样步数，尤其面向 guidance 场景的数值稳定。
对主线意义：它服务视频/rollout 预览成本，但属于采样器证据。
不能证明什么：少步采样质量不能证明动作因果、世界模型规划或真实闭环收益。

这张图支撑什么判断

这张图的判断不是“高阶 solver 总是更好”，而是相反：guidance 会放大模型输出和导数，大步长高阶展开可能超出收敛半径。DPM-Solver++ 的目标，就是让少步高阶求解器在大 guidance scale 下仍然稳定。

数学主线一：扩散采样为什么能写成 ODE 求解

连续时间扩散模型的前向加噪可以写成：

$q_{t0}(x_t\mid x_0) = \mathcal N(x_t;\alpha_t x_0,\sigma_t^2 I),$

这里 $\mathcal N(x_t;\alpha_t x_0,\sigma_t^2I)$ 的三个位置分别是：被采样/评估的带噪样本 $x_t$ ，均值 $\alpha_t x_0$ ，协方差 $\sigma_t^2I$ 。

也就是：

$x_t=\alpha_t x_0+\sigma_t\epsilon,\qquad \epsilon\sim\mathcal N(0,I).$

$\epsilon\sim\mathcal N(0,I)$ 是标准高斯噪声采样， $0$ 是均值， $I$ 是单位协方差； $\sigma_t$ 再把这份标准噪声缩放到当前噪声水平。

这里 $\alpha_t/\sigma_t$ 控制 signal-to-noise ratio。论文把 logSNR 定义为：

$\lambda_t=\log(\alpha_t/\sigma_t).$

扩散模型常见的 noise prediction 模型是：

$\epsilon_\theta(x_t,t)\approx \epsilon.$

同一个模型也能换成 data prediction：

$x_\theta(x_t,t) := \frac{x_t-\sigma_t\epsilon_\theta(x_t,t)}{\alpha_t}.$

这条式子很关键：它说明 noise prediction 和 data prediction 表达的是同一个去噪信息，但求解器看到的变量不同。DPM-Solver++ 的核心转向就是：不要再围绕 $\epsilon_\theta$ 的 ODE 设计高阶积分，而是围绕 $x_\theta$ 的 ODE 设计。

数学主线二：Guidance 为什么会让高阶求解器不稳

classifier guidance 写成：

$\tilde\epsilon_\theta(x_t,t,c) = \epsilon_\theta(x_t,t) -s\sigma_t\nabla_{x_t}\log p_\phi(c\mid x_t,t),$

classifier-free guidance 写成：

$\tilde\epsilon_\theta(x_t,t,c) = s\epsilon_\theta(x_t,t,c) +(1-s)\epsilon_\theta(x_t,t,\varnothing).$

当 guidance scale $s$ 变大时，两个问题会一起出现：

$\tilde\epsilon_\theta$ 的幅值变大，ODE 更新容易过冲；
$\tilde\epsilon_\theta$ 对 $x_t$ 和 $t$ 的高阶导数也被放大，高阶 Taylor 近似的有效收敛半径变小。

所以“高阶方法在少步下更准”这个判断有前提：方向场要足够平滑，步长要落在收敛半径内。大 guidance scale 会破坏这个前提。

还有一个 train-test mismatch。训练数据通常被归一化到有界区间，例如图像像素在 $[-1,1]$ 。但大 guidance scale 可能把最终 $x_0$ 推出这个范围，产生过饱和、不自然的图像。论文因此把 data prediction 和 thresholding 放在一起：既然 $x_\theta$ 直接预测干净样本，就可以对它做 clipping / dynamic thresholding，把结果拉回训练数据支持范围。

数学主线三：DPM-Solver 和 DPM-Solver++ 的 exact solution 差在哪里

DPM-Solver 从 noise prediction 形式出发。给定 $x_s$ ，它把 diffusion ODE 的解写成：

$x_t = \frac{\alpha_t}{\alpha_s}x_s -\alpha_t \int_{\lambda_s}^{\lambda_t} e^{-\lambda}\hat\epsilon_\theta(\hat x_\lambda,\lambda)d\lambda.$

这个式子把线性项 $\frac{\alpha_t}{\alpha_s}x_s$ 精确算掉，剩下只需要近似一个关于 $\epsilon_\theta$ 的指数加权积分。

DPM-Solver++ 换成 data prediction 形式，得到另一条等价但不同的 exact solution：

$x_t = \frac{\sigma_t}{\sigma_s}x_s +\sigma_t \int_{\lambda_s}^{\lambda_t} e^{\lambda}\hat x_\theta(\hat x_\lambda,\lambda)d\lambda.$

注意这两个式子虽然描述同一个 diffusion ODE，但作为数值求解器的起点不同：

Solver family	Exact linear term	Approximate integral
DPM-Solver	$\frac{\alpha_t}{\alpha_s}x_s$	$\int e^{-\lambda}\epsilon_\theta d\lambda$
DPM-Solver++	$\frac{\sigma_t}{\sigma_s}x_s$	$\int e^{\lambda}x_\theta d\lambda$

这就是 ++ 的数学核心。它不是只把模型输出从 $\epsilon$ 换算到 $x_0$ ，而是重新围绕 $x_\theta$ 写 exact solution，再对新的积分项做 Taylor 近似。

数学主线四：Taylor 展开怎么变成算法

从 $t_{i-1}$ 走到 $t_i$ ，设：

$h_i=\lambda_{t_i}-\lambda_{t_{i-1}}.$

对 $x_\theta$ 在 $\lambda_{t_{i-1}}$ 附近做 $(k-1)$ 阶 Taylor 展开：

$\hat x_\theta(\lambda) \approx \sum_{n=0}^{k-1} x_\theta^{(n)}(\lambda_{t_{i-1}}) \frac{(\lambda-\lambda_{t_{i-1}})^n}{n!}.$

代回 exact solution：

$\tilde x_{t_i} = \frac{\sigma_{t_i}}{\sigma_{t_{i-1}}}\tilde x_{t_{i-1}} +\sigma_{t_i} \sum_{n=0}^{k-1} x_\theta^{(n)}(\lambda_{t_{i-1}}) \int_{\lambda_{t_{i-1}}}^{\lambda_{t_i}} e^\lambda \frac{(\lambda-\lambda_{t_{i-1}})^n}{n!}d\lambda +O(h_i^{k+1}).$

右侧的积分可以解析计算；难点变成估计 $x_\theta$ 对 $\lambda$ 的导数。论文主要使用二阶版本 $k=2$ ，因为更高阶在大 guidance scale 下更容易不稳。

一阶特例就是 DDIM。二阶可以有两种做法：

Singlestep 2S：在 $t_{i-1}$ 和 $t_i$ 中间额外取一个 $s_i$ ，用 $x_\theta(t_{i-1})$ 和 $x_\theta(s_i)$ 估计导数；
Multistep 2M：复用前两步的 $x_\theta(t_{i-1})$ 、 $x_\theta(t_{i-2})$ ，不额外插中间点。

图源：DPM-Solver++，Algorithm 1/2。原论文图意：DPM-Solver++(2S) 使用 singlestep 中间点；DPM-Solver++(2M) 使用 multistep buffer 复用历史 $x_\theta$ 预测。

这张算法图支撑什么判断

2M 的优势不是“阶数更高”，而是在固定 NFE 下能走更多外层时间步。二阶 singlestep 每个大步需要额外中间模型调用；multistep 则复用历史函数值，所以有效步长更小，少步采样时通常更稳。

和其它 exponential integrator solver 的关系

论文 Table 1 把 DPM-Solver++ 放到 DEIS、DPM-Solver 的谱系里。下面按原英文列名重绘。

	DEIS	DPM-Solver	DPM-Solver++	SDE-DPM-Solver++
First-Order	DDIM $(\eta=0)$	DDIM $(\eta=0)$	DDIM $(\eta=0)$	DDIM $(\eta=\sigma_t\sqrt{1-e^{-2h}})$
Model Type	$\epsilon_\theta$	$\epsilon_\theta$	$x_\theta$	$x_\theta$
Taylor Expansion	$\epsilon_\theta$ for $t$	$\hat\epsilon_\theta$ for $\lambda$	$\hat x_\theta$ for $\lambda$	$\hat x_\theta$ for $\lambda$
Solver Type (High-Order)	Multistep	Singlestep	Singlestep + Multistep	Multistep

表源：DPM-Solver++，Table 1。这里保留原始英文行列名。

算一遍：为什么 15 到 20 NFE 很有用

在 Stable Diffusion 这类 classifier-free guidance 采样里，一个 NFE 往往意味着一次 denoiser 前向；如果没有 guidance batching，CFG 还要跑 conditional 和 unconditional 两次。粗略看：

Sampler	NFE	Denoiser calls with CFG
DDIM old setting	`100`	`~200`
DDIM old high quality	`250`	`~500`
DPM-Solver++ few-step	`20`	`~40`
DPM-Solver++ aggressive	`15`	`~30`

从 100 NFE 到 20 NFE，理论上 denoiser 调用数降低约 5x；从 250 NFE 到 20 NFE，降低约 12.5x。真实系统里还会受到 VAE、text encoder、scheduler overhead、batching 和 kernel 吞吐影响，但瓶颈通常仍在 denoiser，因此少步 solver 的收益非常直接。

这也解释了 DPM-Solver++ 为什么被大量 scheduler 采用：它不用额外训练，不改变模型权重，却能立刻降低交互式生成、批量生成和多候选 rerank 的推理成本。

实验设置

论文的训练相关结论很简单：**DPM-Solver++ 不训练模型。**它用已有 pretrained diffusion model 做采样器评测。

Item	Setting
Pixel-space DPM	ImageNet 256×256 pretrained DPMs from ADM / Diffusion Models Beat GANs (Dhariwal & Nichol, 2021)
Guidance	Classifier guidance; guidance scale $s=8.0,4.0,2.0$
Metric	FID, lower is better
Samples for FID	10K samples
Latent-space DPM	Stable Diffusion on MS-COCO2014 validation
Latent metric	L2 / MSE to 1000-step DDIM reference, lower is better
DeepFloyd-IF	Qualitative pixel-space guided sampling
Training	No training, no fine-tuning, no distillation

这里最重要的是最后一行。DPM-Solver++ 是 inference-side method。它改善的是采样路径和数值稳定性，不会让 denoiser 本身学到新分布；如果 pretrained model 本身不会某类结构，solver 只能减少采样误差，不能补能力。

消融结果：为什么必须三件事一起做

Figure 3 的三个子图分别对应本文三步改造：从 $\epsilon_\theta$ 到 $x_\theta$ 、从 singlestep 到 multistep、加不加 thresholding。

图源：DPM-Solver++，Figure 3。原论文图意：在 ImageNet 256×256、guidance scale 8.0 下，比较 DPM-Solver++ 的参数化、singlestep/multistep 和 thresholding 消融。

这张图支撑什么判断

左图说明换成 $x_\theta$ 参数化后，二阶 solver 不再像原 DPM-Solver 那样在大 guidance 下崩坏；中图说明 multistep 在少 NFE 下更快接近低 FID；右图说明 thresholding 对大 guidance 的有界图像数据很关键。DPM-Solver++ 的稳定性来自三者组合，而不是单个 trick。

Figure 4 展示更完整的步数和 guidance scale 变化。

图源：DPM-Solver++，Figure 4。原论文图意：在 pixel-space DPM 和 latent-space DPM 中比较不同 sampler 随 NFE 变化的 FID/MSE。

这张收敛图怎么读

横轴是 NFE，也就是 denoiser 前向次数；纵轴是 FID 或 MSE，越低越好。先比较同一个 NFE 下不同颜色曲线的位置，再看曲线随 NFE 增加是否平稳下降。Figure 4 支撑的结论是 DPM-Solver++ 在 15 到 25 NFE 附近能接近更多步 DDIM 的质量，尤其在 latent-space DPM 里 multistep 版本更省前向调用；它不能证明任意 prompt、任意 CFG scale 都可以无损降到极低步数。

表格结果：保留原英文格式看关键数字

下面重绘 Table 3 中最能说明 guided sampling 的关键行：ImageNet 256×256、guidance scale 8.0。列名保留原始英文。

Guidance Scale	Thresholding	Sampling Method \ NFE	10	15	20	25	50	100	250
8.0	No	DDIM	13.04	11.27	10.21	9.87	9.82	9.52	9.37
8.0	No	DPM-Solver-2	114.62	44.05	20.33	9.84	\	\	\
8.0	No	DPM-Solver-3	164.74	91.59	64.11	29.40	\	\	\
8.0	No	DPM-Solver++(S) (ours)	12.20	9.85	9.19	9.32	\	\	\
8.0	No	DPM-Solver++(M) (ours)	14.44	9.46	9.10	9.11	\	\	\
8.0	Yes	DDIM	10.58	9.53	9.12	8.94	8.58	8.49	8.48
8.0	Yes	DPM-Solver++(S) (ours)	9.26	8.93	8.40	8.63	\	\	\
8.0	Yes	DPM-Solver++(M) (ours)	9.56	8.64	8.50	8.39	\	\	\

表源：DPM-Solver++，Table 3。此处只重绘 guidance scale 8.0 的关键行，保留原表英文列名和 NFE 口径。

这张表最值得看的不是某一个最小值，而是三个趋势：

原 DPM-Solver 在 10/15/20 NFE 且大 guidance 下 FID 可能极高，说明高阶 $\epsilon_\theta$ solver 不稳；
DPM-Solver++ 在 15-25 NFE 已接近 DDIM 50-250 NFE；
thresholding 让大 guidance 下的低 NFE 结果明显更稳。

latent-space Stable Diffusion 里，论文用 MSE 到 1000-step DDIM 参考结果衡量收敛。Table 4 的核心行如下：

Guidance Scale	Thresholding	Sampling Method \ NFE	10	15	20	25	50	100	250
7.5	No	DDIM	0.59	0.42	0.48	0.45	0.34	0.23	0.12
7.5	No	DPM-Solver++(S) (ours)	0.48	0.41	0.36	0.32	0.19	\	\
7.5	No	DPM-Solver++(M) (ours)	0.49	0.40	0.34	0.29	0.16	\	\
15.0	No	DDIM	0.83	0.78	0.71	0.67	\	\	\
15.0	No	DPM-Solver++(S) (ours)	0.88	0.75	0.68	0.61	\	\	\
15.0	No	DPM-Solver++(M) (ours)	0.84	0.72	0.64	0.58	\	\	\

表源：DPM-Solver++，Table 4。原表在 COCO2014 validation 上评估 Stable Diffusion latent-space DPM。

图像样例：ImageNet、Stable Diffusion、DeepFloyd

图源：DPM-Solver++，Figure 5。原论文图意：ImageNet 256×256、guidance scale 8.0 下，不同 sampler 的图像质量对比。

图源：DPM-Solver++，Figure 6。原论文图意：Stable Diffusion 在 classifier-free guidance scale 7.5 下，不同 sampler 和 NFE 的样例对比。

图源：DPM-Solver++，Figure 2。原论文图意：DeepFloyd-IF 的 pixel-space guided sampling 示例，展示 DPM-Solver++(2M) 随 NFE 增加的收敛，以及与 DDPM、SDE-DPM-Solver++ 的对比。

图源：DPM-Solver++，Figure 7。原论文图意：DeepFloyd-IF 的 pixel-space guided sampling 示例，比较 DPM-Solver++、DDPM、SDE-DPM-Solver++ 等不同 solver。

这组样例图怎么读

样例图不是单纯看哪张更好看，而是看同一个 prompt / guidance 条件下，少步 solver 是否保持主体结构、文字或物体边界。Figure 5/6 是对 ImageNet 与 Stable Diffusion 的定性补充；Figure 2/7 展示 DeepFloyd-IF 随 NFE 增加的视觉收敛。它们支撑“少步采样更稳”的直观证据，但真正比较仍要回到 Table 3/4 的 NFE、FID/MSE 和 guidance 设置。

工程上怎么用

如果把 DPM-Solver++ 接到扩散生成系统，建议先按下面这条问题链看：

症状：DDIM 100/250 步太慢，普通高阶 solver 在 CFG 大 scale 下出饱和、破碎或颜色异常
指标：NFE、wall-clock latency、FID/CLIP score、人工偏好、过饱和率、失败 prompt bucket
机制：guidance 放大 εθ 和导数；高阶 εθ solver 收敛半径变小；xθ + thresholding 更适合有界图像
修复：使用 DPM-Solver++(2M)，常从 15/20/25 NFE 和 solver_order=2 起步；pixel-space 可试 thresholding
反例：极低 NFE、极高 CFG、复杂细节 prompt 仍可能需要更多步数或蒸馏模型
边界：它不训练新能力，只减少采样误差和推理成本

现代 diffusers / Stable Diffusion 生态里，常见经验是：

guided sampling 优先用二阶 DPM-Solver++，不要盲目上三阶；
pixel-space 有界图像可以考虑 dynamic thresholding；
latent-space 通常不直接 threshold，因为 latent 不像像素那样有明确 $[-1,1]$ 边界；
低步数先比较 15/20/25 NFE，不要只看 10 NFE；
prompt 评测要分桶：文字、细小结构、人脸、空间关系、风格化、强 CFG 都可能表现不同。

和世界模型高效训练主线的关系

DPM-Solver++ 不降低训练成本，它降低的是推理成本、评测成本和 rollout 成本。

对世界模型或视频扩散底座来说，solver 的意义在于：

离线批量生成伪数据或视频候选时，少 NFE 能显著降低生成成本；
交互式世界模拟器需要低延迟 rollout，采样步数是第一瓶颈之一；
评测同一个模型时，solver 变化会影响质量，不能把采样器当无关实现细节；
若后续做 DMD / consistency / rectified distillation，DPM-Solver++ 常可作为 teacher sampler 或 baseline。

但要注意：少步 solver 和少步蒸馏是两种成本转移方式。DPM-Solver++ 把收益放在推理侧，不增加训练；DMD/LCM 则把推理成本转移到离线训练学生。项目取舍应看：你是只想快速服务已有模型，还是愿意投入额外训练换更低步数。

局限与边界

第一，DPM-Solver++ 仍然依赖 pretrained denoiser 的质量。模型没学会的语义、结构和细节，solver 不能凭空补出来。

第二，它主要解决 guided sampling 的数值稳定和效率，不等于解决所有 CFG 问题。CFG scale 过高仍可能带来多样性下降、颜色过饱和、纹理硬化和 prompt overfitting。

第三，thresholding 对 pixel-space 图像直观有效，但 latent-space 没有同样清楚的像素边界，不能简单照搬。

第四，FID/MSE/样例图不能覆盖所有生成任务。产品里还要看 prompt 分桶、人审偏好、文字渲染、失败率和 tail latency。

本页结论

DPM-Solver++ 最值得记住的是：guided diffusion 的少步采样不能只追求高阶；大 guidance scale 会放大方向场和导数，使原本高阶的 $\epsilon_\theta$ solver 不稳。DPM-Solver++ 改用 $x_\theta$ 的 exact solution、结合 thresholding 和 multistep 更新，在无需训练的前提下把 guided sampling 推到约 15 到 20 NFE。

参考

下一站

回到论文总入口：论文专题讲解，用同一套 claim / 图表 / 边界口径横向比较。
把本篇结论接回主题：扩散模型。
按导航顺序继续：DMD：一步扩散蒸馏。