AnyFlow：基于流图的任意步数视频扩散模型

少步数视频生成已通过一致性蒸馏取得显著进展。然而，一致性蒸馏模型在测试时分配更多采样步骤后性能常会下降，限制了其在任意步数视频扩散中的有效性。这种限制源于一致性蒸馏将原始概率流 ODE 轨迹替换为一致性采样轨迹，削弱了 ODE 采样的有利测试时间扩展行为。为此，我们提出了 AnyFlow——首个基于流图的任意步数视频扩散蒸馏框架。我们不针对仅少数固定采样步骤进行蒸馏，而是优化完整的 ODE 采样轨迹。为此，我们将蒸馏目标从端点一致性映射 $(z_{t}\rightarrow z_{0})$ 转变为对任意时间间隔的流图过渡学习 $(z_{t}\rightarrow z_{r})$。我们进一步提出了流图反向模拟法，将完整的欧拉展开分解为简捷流图过渡，实现高效的按策略蒸馏，减少测试时间误差（即少步采样中的离散化误差和因果生成中的曝光偏差）。在从 13B 到 14B 参数规模的双向和因果架构上进行的大量实验表明，AnyFlow 在少步数范围内达到或超越一致性方法的性能，同时随采样步骤预算进行扩展。