SD3.5-Flash: Distribution-Guided Distillation of Generative Flows

我们提出 SD3.5-Flash，一个高效 few-step 蒸馏框架，使高质量图像生成能够在可及消费设备上实现。我们的方法通过针对 few-step 生成重新定义的分布匹配目标来蒸馏计算负担沉重的 rectified flow 模型。我们引入两个关键创新：“timestep sharing” 以降低梯度噪声，以及“split-timestep fine-tuning” 以提高提示对齐度。结合文本编码器重构和专用量化等全面管道优化，我们的系统实现快速生成和跨不同硬件配置的内存高效部署。实现从移动电话到桌面计算机的全设备谱系的可及性。通过大规模用户研究等广泛评估，我们展示 SD3.5-Flash 在已有 few-step 方法上持续领先，使高级生成式 AI 真正实现实用部署的可及性。