普林斯顿新研究：单步生图把去噪轨迹藏进网络深度里
cindy_x_wu · x · 2026-10-13
普林斯顿团队发布论文《Depth as Time in One-Step Generative Models》，研究多步扩散被压缩为单次前向传播后，去噪过程去了哪里。
核心发现：
- 深度即时间（depth as time）：多步扩散在采样步骤间完成的去噪计算，会沿单步生成模型的网络深度展开，用模型自身的输出头解码中间层即可恢复这一过程。
- 依赖传输任务：该逐层去噪行为取决于 flow map 训练时求解的传输任务。MeanFlow 最有趣——探测更短的传输区间时，单次网络评估里同时出现去噪与再加噪（denoise-then-renoise）；而不带时间索引传输任务的 drifting 模型则无此现象。
- 可压缩性红利：表现出逐层去噪的模型在层间计算上更可压缩。作者把逐层计算显式当作流来训练，单个时间条件块即可完成跨层去噪，将 MeanFlow SiT-L/2 参数压缩 16.6 倍。
结论指向：扩散模型的"时间计算"可被重新组织进深度或单块结构，为一步生成的架构压缩提供了新思路。
「多模态」频道最新
- Muse Wonder 按歌词自动当视频导演，逐场景生成 MV — alexandr_wang · 2026-10-13
- Summer 推出 Game Audio Maker:一句指令给游戏生成 AAA 级音效 — garrytan · 2026-10-13
- 用 Neural Frames 制作 AI 音乐视频《Castles Made of Sound》 — markjeffrey · 2026-10-13
- 实测 Muse Wonder 生成讲解视频：效果粗糙，旁白全是澳式口音 — danshipper · 2026-10-13
- 运营 AI 虚假 IG 模特涨粉 4 万后，开发者开源 ComfyUI 人像摄影节点 — Prestigious_Bill221 · 2026-10-13
- AI 把 8000 万美元圣诞电影压到 150 万,50 人十个月做完 — lmoroney · 2026-10-13