Data-Space Iteration：无需时间步离散化的少步图像生成新框架
kastnerkyle · x · 2026-10-11
arXiv 论文（Shanchuan Lin、Yansong Peng、Fu-Yun Wang、Haoqi Fan）提出 Data-Space Iteration，用于 Flow Matching 的少步生成：
- 问题：Flow matching 采样需要大量网络评估；蒸馏可降到一至几步，但现有少步方法沿概率流做迭代，依赖人工选定且难以调优的时间步离散化，且对困难样本/空间位置不够灵活。
- 方法：从噪声出发，共享生成器直接在数据空间迭代精炼预测，每次迭代都训练到产出其容量允许的最佳样本，彻底去掉流离散化。
- 集成与结果：几乎无需改动即可与 DMD（分布匹配蒸馏）结合，在匹配训练设置下实现受控比较；在 class-conditional ImageNet 256×256 上超过标准离散化基线，媲美甚至优于经 schedule 搜索挑选的变体，且无需为 schedule 专门训练。
「多模态」频道最新
- Perplexity 演示给公版名著做「增强阅读」:插图、史料、视频一键注入 — AravSrinivas · 2026-10-11
- AI 生成音乐视频《Same For You》 — Mr_Darkmann · 2026-10-11
- AI 生成短片《Myths of Aztleau》 — Advanced-Power-1775 · 2026-10-11
- 开源社区发布 Kroma:基于 Krea-2 的微调模型,耗3个月本地训练 — KadahCoba · 2026-10-11
- Deemos 3D Edit 升级：上传模型框选区域即可局部重绘贴图 — sidahuj · 2026-10-11
- H3 视频编辑存在空间与时间偏移,实测低分辨率与 FFLF 模型更稳 — Comfortable-Lab4125 · 2026-10-11