Channel Match：少步3D生成形状潜变量校准

2026年10月14日，arXiv Computer Vision 刊出 Di Yang 等作者的研究，提出面向原生 3D 生成的少步蒸馏框架，用于解决原生 3D 生成中的形状潜变量分布漂移问题。该框架结合连续自一致性训练、定制 JVP FlashAttention 内核与解析速度回归目标，并引入自适应损失加权策略以稳定联合优化。作者在 TRELLIS.2 的 1024³ 分辨率设置下验证该方法：其两步模型实现几何采样速度提升 4.5 倍，同时保持与多步教师模型相当的几何质量；Channel Match 通过恢复几何与外观生成之间的潜变量接口，进一步改善渲染质量。目前报道仅涉及该方法在 TRELLIS.2 上的验证结果，未提及其他模型或分辨率下的表现。

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。