研究者提出免流离散化少步生成框架

研究者 Shanchuan Lin 等人提出名为 data-space iteration 的少步生成框架，完全去除流离散化：从噪声出发，共享生成器直接在数据空间迭代精炼预测，每次迭代都被训练为产出其容量允许的最佳样本。 该方法可与分布匹配蒸馏（DMD）以极小改动结合。在类别条件 ImageNet 256x256 上，它优于标准离散化基线，并匹敌或超过通过调度搜索选出的变体，且无需针对特定调度训练。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。