三步即可：稀疏采样中的时间嵌入优化
机器学习
2026-03-25 v1 人工智能
计算机视觉与模式识别
摘要
扩散模型在生成质量上表现优异，但因需执行大量顺序网络计算，推理速度仍较慢。我们发现，标准的时间步条件化成为稀疏采样中的关键瓶颈。基于层相关的去噪动力学，我们提出了多层时间嵌入优化（Multi-layer Time Embedding Optimization, MTEO）方法，通过冻结预训练的扩散主干网络，从参考轨迹中蒸馏出一组逐层、逐步的时间嵌入。MTEO 与现有 ODE 求解器即插即用，无需额外推理开销，仅训练极少数参数。广泛实验表明，在多样化数据集和主干网络上，MTEO 在稀疏采样中实现了最佳性能，显著缩小了蒸馏方法与轻量级方法之间的差距。代码将公开。
引用
@article{arxiv.2603.22375,
title = {Three Creates All: You Only Sample 3 Steps},
author = {Yuren Cai and Guangyi Wang and Zongqing Li and Li Li and Zhihui Liu and Songzhi Su},
journal= {arXiv preprint arXiv:2603.22375},
year = {2026}
}