新预印本:几何感知时间重参数化改进 Flow-Map 蒸馏

FrnkNlsn · x · 2026-10-08

OIST 团队(Félix Dedek、Makoto Yamada)发布新论文《Geometry-Aware Time Reparameterization for Flow-Map Distillation》(arXiv:2610.02427)。核心思路:Flow-map 蒸馏通过学习预训练生成 ODE 的有限时间转移实现一步/少步生成;作者观察到轨迹中法向加速度大的片段更难蒸馏,于是提出几何感知的时间重参数化——给学生模型在弯曲区域分配更多时间分辨率,同时保持教师模型的几何路径与终态分布不变。关键性质:该「时钟」在蒸馏前一次性估计,无需重新训练教师、不增加学生参数或推理开销。实验:在合成数据、CIFAR-10、CelebA-64 上,同等推理预算下样本质量优于恒等时间蒸馏,一步和两步图像生成均有提升,尤其一步生成(无中间采样时间可调)的增益凸显了蒸馏期时间重参数化的价值。