Bernoulli Flow Models:免蒸馏 16 步生成,LSUN Churches FID 降至 9.22
kastnerkyle · x · 2026-10-12
arXiv 论文提出 Bernoulli Flow Models(BFM),解决二值扩散模型在低步数(NFE)推理下质量崩塌的问题。
要点:
- 现有二值扩散模型用离散单步马尔可夫链,跨步采样时只能用单步似然近似多步似然,严重损害低 NFE 下的样本质量
- BFM 改为定义统一的连续全局 Bernoulli 概率流路径,推导出任意时间区间上的解析闭式后验转移;减少 NFE 不再是「跳步近似」,只需在新时间网格上重新求值解析后验,消除训练-推理结构失配
- 效果:LSUN Churches 256×256 上 16 步生成 FID 9.22(对比 204.10),无需蒸馏或额外训练,对激进 NFE 削减高度鲁棒
「研究」频道最新
- 「每个 query 都有自己的 harness」:一句话点出评测新思路 — amankhan · 2026-10-12
- 中国顶尖数学家集体表态支持 AI 用于数学研究 — scmp_news · 2026-10-12
- Adaption 新研究:agent 生成质检清单清洗训练数据,提升模型胜率 — sarahookr · 2026-10-12
- 让 Opus 读 SIGGRAPH 论文，纯代码造出可逆粒子模拟卡点视频 — ravisparikh · 2026-10-12
- ProgramGym:1648 个可验证环境训练长程程序复现 Agent — ProgramGym · 2026-10-12
- USC 发布 SoloQ:免校准 4 比特量化,扩散语言模型内存降 2.61 倍 — UniversityofSouthernCalifornia · 2026-10-12