流匹配模型的 Bellman 最优步长拉直

流匹配是一个强大的框架，可用于在各种应用中生成高质量样本，尤其是图像合成。然而，这些模型密集的计算需求，特别是在微调和采样过程中，对低资源场景构成了重大挑战。本文介绍了用于蒸馏流匹配生成模型的 Bellman 最优步长拉直（BOSS）技术：它专门旨在在遵守计算预算约束的同时实现少步长高效图像采样。首先，该技术涉及一种动态规划算法，用于优化预训练网络的步长。然后，它细化速度网络以匹配最优步长，旨在拉直生成路径。跨图像生成任务的广泛实验评估证明了 BOSS 在资源利用和图像质量方面的有效性。我们的结果表明，BOSS 在保持具有竞争力的样本质量的同时实现了显著的效率提升，有效地弥合了低资源约束与流匹配生成模型的高要求之间的差距。我们的论文还加强了人工智能的负责任发展，提供了一种更具可持续性的生成模型，降低了计算成本和环境足迹。我们的代码可在 https://github.com/nguyenngocbaocmt02/BOSS 找到。