计算机科学 > 计算机视觉与模式识别
[提交于 2025年5月31日
]
标题: SenseFlow:基于流的文本到图像蒸馏的分布匹配扩展
标题: SenseFlow: Scaling Distribution Matching for Flow-based Text-to-Image Distillation
摘要: 分布匹配蒸馏(DMD)已被成功应用于文本到图像的扩散模型,例如Stable Diffusion(SD)1.5。 然而,原始的DMD在大规模基于流的文本到图像模型上(如SD 3.5和FLUX)遇到了收敛困难的问题。 在本文中,我们首先分析了在大规模模型上应用原始DMD时遇到的问题。 然后,为了克服可扩展性挑战,我们提出了隐式分布对齐(IDA),以正则化生成器与虚假分布之间的距离。 此外,我们提出了段内引导(ISG),以重新分配教师模型的时间步重要性分布。 仅使用IDA,DMD可以在SD 3.5上收敛;同时使用IDA和ISG,DMD可以在SD 3.5和FLUX.1上收敛。 除了其他改进(如扩展的判别器模型),我们的最终模型\textbf{SenseFlow}在蒸馏基于扩散的文本到图像模型(如SDXL)和基于流匹配的模型(如SD 3.5 Large和FLUX)方面表现优异。 源代码将在https://github.com/XingtongGe/SenseFlow上提供。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.