arXiv · cs.AI· Zhengming Yu, Junkun Yuan, Haotian Yang, Gordon Guocheng Qian, Yizhi Wang, Angtian Wang, Yiding Yang, Bo Liu, Xin Li, Wenping Wang, Chongyang Ma·· 7 天前精选
DMAD：将分布匹配重构为对抗蒸馏的快速视觉生成方法
DMAD: Distribution Matching as Adversarial Distillation for Fast Visual Generation
arXiv:2610.02188v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zhengming Yu, Junkun Yuan, Haotian Yang, Gordon Guocheng Qian, Yizhi Wang, Angtian Wang, Yiding Yang, Bo Liu, Xin Li, Wenping Wang, Chongyang Ma
首次提交：2026-10-02 01:59
研究任务与主要进展
DMAD提出将分布匹配重构为对抗蒸馏，通过共享骨干网络上的两个判别头直接学习对数密度比，并移除为学生分布拟合辅助扩散模型的额外负担。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
本站判断
DMAD将分布匹配蒸馏改写为分类问题，通过共享骨干网络上的两个判别头直接学习对数密度比，避免为学生分布额外拟合辅助扩散模型，并在摘要中报告了面向图像、视频和音视频生成的质量与人评结果。作者还提出基于真实数据判别头 logit 间隙的重加权方法；其“恢复DMD梯度”的证明和实验优势仍仅依据论文摘要，未核验全文与基准细节。
来源：arXiv · cs.AI · arxiv.org