通过捷径化流路径设计一步扩散模型

近期少步扩散模型的进展通过捷径化扩散模型的概率路径展示了其效率和有效性，特别是在从头训练一步扩散模型（又称捷径模型）时。然而，其理论推导和实际实现往往紧密耦合，模糊了设计空间。为解决这一问题，我们为代表性捷径模型提出了一个通用设计框架。该框架为其有效性提供了理论依据，并解耦了具体的组件级选择，从而实现了系统性的改进识别。通过我们提出的改进，所得一步模型在无分类器引导设置下以一步生成在ImageNet-256x256上达到了新的最先进FID50k值2.85，进一步通过2倍训练步数达到了FID50k值2.53。值得注意的是，该模型无需预训练、蒸馏或课程学习。我们相信我们的工作降低了捷径模型中组件级创新的门槛，并促进了其设计空间的系统性探索。