生成对抗网络微调

Uni-DAD：面向少步少样本图像生成的扩散模型统一蒸馏与适配

Uni-DAD: Unified Distillation and Adaptation of Diffusion Models for Few-step Few-shot Image Generation

把扩散蒸馏与域适配合并成单阶段训练：用双域分布匹配蒸馏（源教师+目标教师）保住源域多样性，再用多头GAN损失在少样本下稳定训练，可直接用于少样本域适配与主体驱动个性化，在少于4步采样下逼近两阶段流程的质量。