SDXS es un nuevo modelo de difusión que reduce significativamente la latencia del modelo mediante la miniaturización del modelo y la reducción de los pasos de muestreo. Utiliza la destilación del conocimiento para simplificar la arquitectura de U-Net y el decodificador de imágenes, e introduce una innovadora técnica de entrenamiento DM de un solo paso, utilizando el matching de características y la destilación de puntuaciones. Los modelos SDXS-512 y SDXS-1024 pueden alcanzar velocidades de inferencia de aproximadamente 100 FPS y 30 FPS, respectivamente, en una sola GPU, lo que representa una velocidad de 30 a 60 veces superior a la de los modelos anteriores. Además, este método de entrenamiento tiene aplicaciones potenciales en el control de condiciones de imagen, permitiendo una traducción eficiente de imagen a imagen.