DMAD对抗蒸馏法实现少步视觉生成SOTA
论文AI 评分 75/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
DMAD将分布匹配重构为分类任务，通过共享主干上的双判别器头直接学习对数密度比，免除了DMD所需的辅助扩散模型拟合开销。引入基于差距的重新加权机制以调节噪声层面的教师监督。在ImageNet-64x64单步生成达FID 1.04，四步SDXL于COCO-10K达FID 14.47，四步Wan2.1-T2V-14B获VBench 85.15分，均优于对比少步法及多步教师。针对MiniMax-H3-33B的音视频联合生成，四步学生模型相对DMD2与rCM的人类偏好率分别达79.1%和84.6%。
为什么值得看
免辅助模型的对抗蒸馏新范式，在图像与音视频少步生成评测中全面超越多步教师与已有蒸馏法。
MiniMax蒸馏
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。