标签
本文介绍了ARIA框架，该框架自适应地在条件空间的各个区域分配训练资源，用于蒸馏条件扩散模型，从而提升在未见和低表征条件下的性能。
本文介绍了Causal-rCM，这是一个统一的教师强制与自强制框架，用于流式视频生成和交互世界模型中的自回归扩散蒸馏，以快速收敛实现了最先进的性能。
本文介绍了Z-Image Turbo++，这是一个两步图像生成模型，通过使用分布对齐的对抗学习、步骤解耦参数化以及带有迭代正则化的端到端训练，从八步教师模型中蒸馏而来，旨在缩小与多步生成之间的质量差距。
RTDMD是一个两阶段框架，结合分布匹配蒸馏与奖励引导的强化学习，以改进少步图像生成与人类偏好的一致性。它在仅需4步推理的情况下，在多个模型上取得了最先进的结果。
Causal Forcing++提出了一种新颖的因果一致性蒸馏方法，用于逐帧自回归视频生成，在降低延迟和训练成本的同时实现了最先进的质量。