NitroFusion2 用文本流对抗蒸馏，把扩散图像生成压到 1-2 步
SketchX · hf · 2026-11-05
萨里大学 SketchX 团队发布 NitroFusion2，把对抗蒸馏的判别器从图像特征转向多模态扩散 Transformer（MMDiT）的文本流：由于联合注意力，文本流已经「读过」图像且与文本条件绑定，成为信息更丰富的对抗表征。
- 提出 Text-Stream Adversarial Distillation（TSAD），以中间文本 token 状态作为对抗判别的新表征
- 提出 Aspect-Cued Discrimination（ACD），按排版、物体、风格等不同 aspect 训练判别器，控制对抗训练强调的属性
- 将 4-8 步的少步蒸馏压到 1-2 步且质量可比：单步即可生成清晰的渲染文字与细粒度细节，两步在各基准上仍有竞争力
「多模态」频道最新
- Reddit 热传 AI 视频演示：音乐节人群场景逼近实拍质感 — shahryar2025 · 2026-11-05
- UniRestorer++ 用多粒度退化建模统一图像修复，缩放曲线跑赢 Dense 与 MoE — Jingbo Lin · 2026-11-05
- 希伯来大学 GaussianRenderFormer：用 Transformer 直接渲染 3D 高斯泼溅，无需光栅化器 — HUJI-IL · 2026-11-05
- 同一实验续作：AI 记忆体的「解剖蓝图」可视化 — RileyRalmuto · 2026-11-05
- 开源 Remiqora 0.3:16GB 显存本地跑通一句话或一首歌生成完整影片 — inikolax · 2026-11-05
- 实测 image 2.6 GIF 功能:一段提示词让动漫角色点头闭眼,第三次才成功 — RumbleversePlayer · 2026-11-05