双锚插值求解器：加速生成模型
计算机视觉与模式识别
2026-02-02 v2 人工智能
摘要
Flow Matching (FM) 模型已成为高保真合成的领先范式，但其依赖迭代常微分方程 (ODE) 求解器，导致显著的延迟瓶颈。现有解决方案面临困境：训练-free 求解器在低神经函数评估次数 (NFE) 时性能显著下降，而训练性或少数几步生成方法则造成高昂的训练成本且缺乏即插即用性。为弥合这一鸿沟，我们提出双锚插值求解器 (BA-solver)。BA-solver 保持标准训练-free 求解器的灵活性，同时通过在冻结主干网络旁引入轻量级 SideNet（仅占主干网络大小的 1-2%）实现显著加速。具体而言，我们的方法基于两个协同组件：\textbf{1）双向时间感知}，其中 SideNet 学习无需重新训练重型主干网络即可近似未来和历史速度；\textbf{2）双锚速度积分}，利用 SideNet 与两个锚定速度高效逼近批量高阶积分的中间速度。通过主干网络建立高精度“锚点”，SideNet 用于密集化轨迹，BA-solver 能够在最小误差下实现较大区间大小。经验结果表明，在 ImageNet-256^2 上的实验显示，BA-solver 在仅 10 NFEs 时即可达到与 100+ NFEs Euler 求解器相当的生成质量，并可在 5 NFEs 时维持高保真，同时几乎不增加训练成本。此外，BA-solver 确保与现有生成管道的无缝集成，促进图像编辑等下游任务。
引用
@article{arxiv.2601.21542,
title = {Bi-Anchor Interpolation Solver for Accelerating Generative Modeling},
author = {Hongxu Chen and Hongxiang Li and Zhen Wang and Long Chen},
journal= {arXiv preprint arXiv:2601.21542},
year = {2026}
}