Tag · 6 篇
少步生成
VDOT：通过最优传输蒸馏实现高效统一视频创作
VDOT: Efficient Unified Video Creation via Optimal Transport Distillation
将最优传输距离引入分布匹配蒸馏，替代KL散度以缓解少步生成中的梯度崩溃问题，为扩散模型加速提供可复用的训练目标设计。
理解、加速与改进 MeanFlow 训练
Understanding, Accelerating, and Improving MeanFlow Training
MeanFlow 的训练动力学分析揭示了瞬时速度与平均速度的相互依赖关系，并据此设计了分阶段训练方案，可加速少步生成模型的收敛并提升生成质量，对基于流匹配的扩散模型训练有直接借鉴意义。
过渡模型：重新思考生成学习目标
Transition Models: Rethinking the Generative Learning Objective
TiM 提出了一种精确的连续时间动力学方程，可解析定义任意有限时间间隔的状态转移，使生成模型能在单步跳跃与多步细化之间无缝切换，并随采样步数增加单调提升质量。这对视觉生成研究意味着可以设计更灵活的采样策略，在少步与多步生成间取得平衡，同时支持高达 4096x4096 的原生分辨率生成。
自评估解锁任意步文本到图像生成
Self-Evaluation Unlocks Any-Step Text-to-Image Generation
提出一种从零训练的自评估机制，使单一模型在极少步数下仍能生成高质量图像，且性能随推理步数增加单调提升，为少步扩散/流匹配模型训练提供了无需预训练教师的新范式。
全局先验遇上局部一致性：面向高效机器人操作的双记忆增强视觉-语言-动作模型
Global Prior Meets Local Consistency: Dual-Memory Augmented Vision-Language-Action Model for Efficient Robotic Manipulation
用检索到的任务级先验替代高斯噪声来缩短扩散策略的生成路径，并用局部一致性记忆约束时序平滑，可直接迁移到视觉-语言-动作模型的少步动作生成与长程操作任务。
面向多模态分布的流匹配
Flow Matching for Multimodal Distributions
把源分布从单一高斯换成数据自适应的混合高斯，并配合模式相关的数据耦合，可让流匹配模型的传输路径更短更直，从而在更少训练轮次和采样步数下取得更优 FID；这一「源-耦合协同设计」思路可直接迁移到图像/视频流匹配生成器的训练加速上。