论文页面 - DanceOPD: 在线策略生成场蒸馏

来源：https://huggingface.co/papers/2606.27377

摘要

我们提出了一种新颖的在线策略生成场蒸馏框架，名为 DanceOPD，通过能力特定路由和基于速度的训练，在流匹配模型中统一了文生图、局部编辑和全局编辑能力。

现代图像生成需要单一模型来统一多种能力，包括文生图 (https://huggingface.co/papers?q=text-to-image)(T2I)、局部编辑 (https://huggingface.co/papers?q=local%20editing) 和全局编辑 (https://huggingface.co/papers?q=global%20editing)。然而，这些能力很少自然对齐，且常常相互冲突。例如，编辑往往会降低 T2I 性能，而全局编辑和局部编辑 (https://huggingface.co/papers?q=local%20editing) 会相互干扰。因此，有效组合这些能力已成为图像生成模型训练的核心挑战。为解决此问题，我们引入了 DanceOPD，这是一个针对流匹配模型 (https://huggingface.co/papers?q=flow-matching%20models) 的在线策略 (https://huggingface.co/papers?q=on-policy) 生成场蒸馏 (https://huggingface.co/papers?q=generative%20field%20distillation) 框架。该框架将每个样本路由到一个能力场，查询一个低噪声学生诱导状态，并使用简单的速度 MSE 目标 (https://huggingface.co/papers?q=velocity%20MSE%20objective) 进行训练。通过将每个能力源定义为共享流状态空间上的速度场 (https://huggingface.co/papers?q=velocity%20field)，学生模型从其自身展开状态查询到的场中学习，以组合专家能力 (https://huggingface.co/papers?q=expert%20capabilities)。该公式还能吸收操作符定义的场，例如无分类器指导 (https://huggingface.co/papers?q=classifier-free%20guidance)。在 T2I、编辑、现实主义场吸收和 CFG 吸收方面的综合实验表明，我们的方法改进了多能力组合，增强了目标能力，同时保留了锚定生成质量。我们相信，这项工作为流匹配模型 (https://huggingface.co/papers?q=flow-matching%20models) 中的生成场蒸馏 (https://huggingface.co/papers?q=generative%20field%20distillation) 建立了一条实用路径。

查看 arXiv 页面 (https://arxiv.org/abs/2606.27377)
查看 PDF (https://arxiv.org/pdf/2606.27377)
项目页面 (https://danceopd.github.io/)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.27377)

在您的 agent 中获取此论文：

hf papers read 2606\.27377

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2606.27377 以从此页面链接。

引用此论文的数据集0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.27377 以从此页面链接。

引用此论文的 Space0

没有 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2606.27377 以从此页面链接。

包含此论文的收藏0

没有包含此论文的收藏

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接。