TamedFlow：压缩扩散Transformer采样的轨迹感知蒸馏加速方法
先了解这件事
Shuaiqi Cheng 等在 arXiv 提交论文（arXiv:2610.26025v1），提出 TamedFlow，一种面向压缩扩散 Transformer（DiT）采样的轨迹感知蒸馏方法，作者称可在加速采样的同时保持生成质量。该论文基于摘要收录，尚无独立复现。 方法上，TamedFlow 通过跨架构特征对齐、近恒等的 Velocity Alignment Head 和随机 rollout 监督，训练压缩学生模型适配连续自预测场景；推理时由轻量的 Learnable Trajectory Estimator 对已完成的草稿样本路由：被接受的草稿跳过教师模型，被拒绝的草稿回滚并执行一次教师救援步骤。论文称消融实验支持轨迹监督的作用，且在延迟相近的对照下 LTE 路由优于随机决策。 作者报告，将 DiT-XL/2 蒸馏为 DiT-B/2 后，在 ImageNet 256×256 上达到 FID 2.58，相比 DDIM-50 实测加速 2.25 倍；并在 ImageNet 512×512、MS-COCO 及 Latte/FaceForensics 上做了扩展评测。以上均为论文声称的结果。
AI 根据报道生成 · 1 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv · cs.AITamedFlow：面向教师辅助扩散采样的轨迹感知蒸馏
TamedFlow是一种面向压缩扩散Transformer采样的轨迹感知蒸馏方法，通过跨架构特征对齐、近恒等Velocity Alignment Head和随机 rollout 监督，训练压缩学生模型适应连续自预测场景，并在推理时用Learnable Trajectory Estimator决定跳过教师或执行回滚后的一次教师救援步骤。
- arXiv · cs.AITamedFlow：通过轨迹感知蒸馏加速教师辅助扩散采样
基于论文摘要，作者提出 TamedFlow，通过跨架构特征对齐、近恒等速度对齐头和随机 rollout 监督，让压缩后的 DiT 学生模型适配教师辅助扩散采样。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月21日 04:00
- 近 24 小时变化
- -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。