arXiv Computer Vision· Zhuobai Dong, Junchao Yi, Hu Jian Guo, Linjie Li, Rui Zhao, Alex Jinpeng Wang·· 6 小时前AI 评分31
Glance Forcing：让双向扩散模型一步实现自回归
Glance Forcing: Making Bidirectional Diffusion Autoregressive at a Glance
AI 导读
Glance Forcing 将双向扩散模型蒸馏为因果少步学生模型，仅用一条 PF-ODE 轨迹就把 VBench Total 分数从 84.04 提升到 84.22，轨迹采集成本从数千 GPU 小时降至约 1 个 A100 GPU 小时。该方法把去噪轨迹拆成慢、快两个专家，各配专属目标，教师模型全程冻结。作者发现单样本监督会导致质量崩溃，根源在于高噪声与低噪声区间的曲率和优化行为不同。
来源：arXiv Computer Vision · arxiv.org