面向一键视频生成的扩散对抗后训练

扩散模型广泛用于图像和视频生成，但其迭代生成过程缓慢且资源占用大。虽然现有的蒸馾方法在图像领域已展示出一键生成的潜力，但仍存在显著的质量下降。在本工作中，我们提出了一种针对真实数据的扩散对抗后训练(APT)，用于一键视频生成。为提高训练稳定性和质量，我们引入了若干改进的模型架构和训练程序，以及近似R1正则化目标。实验表明，我们的对抗后训练模型Seaweed-APT能够在单个前向评估步骤中实时生成2秒、1280x720、24fps的视频。此外，我们的模型能够在单一步骤中生成1024px图像，质量可与最先进的方法相当。