TraceSampler：后训练校正少步生成采样误差

George Matthew、Guoqiang Zhang、Kenta Niwa 在arXiv发布论文，提出TraceSampler——一种生成模型后训练方法，在不修改预训练模型的情况下，利用采样轨迹预测并校正少步采样的端点误差。 基于论文摘要，在10步设置下，TraceSampler将CIFAR-10（Rectified Flow）和ImageNet-256（SiT-XL/2）上的轨迹MSE较匹配步数Euler分别降低90.5%和85.6%，并以24倍更少的主干评估次数接近120步Heun参考结果；额外推理FLOPs低于0.4%，墙钟开销可忽略。该方法还在SD3.5 Medium上做了文生图评估。

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。