基于球面潜编码器的高效图像合成
计算机视觉与模式识别
2026-05-18 v1
摘要
少步图像生成已取得快速进展，基于一致性和平均流的方法显著减少了采样步数。尽管推理成本低，这些方法常面临训练不稳定和可扩展性有限的问题。球面编码器（Sphere Encoder）是最近提出的一种替代方案，仅需几步即可生成高质量图像；然而，它在推理过程中需要在像素空间和潜空间之间反复转换，同时在单一架构内联合优化重建和生成。这种设计导致计算效率低下以及重建与生成之间的目标冲突。为解决这些局限，我们将框架解耦为一个固定的预训练图像编码器和一个完全在球面潜空间中训练的独立潜空间去噪模型。我们的方法消除了训练和推理过程中重复的像素空间操作，提高了效率，并允许重建和生成独立专业化。在 Animal-Faces、Oxford-Flowers 和 ImageNet-1K 数据集上，我们的方法在生成质量和推理速度上均显著优于球面编码器，同时取得了与强大的少步和多步基线方法相比具有竞争力的结果。
引用
@article{arxiv.2605.15592,
title = {Efficient Image Synthesis with Sphere Latent Encoder},
author = {Tung Do and Thuan Hoang Nguyen and Hao Li},
journal= {arXiv preprint arXiv:2605.15592},
year = {2026}
}
备注
Technical report