跳到正文
热点事件持续更新

sDMD蒸馏方法改进扩散模型少步生成

1 篇报道1 个报道来源19 小时前更新

先了解这件事

AI 综述

Jaihoon Kim等作者提出sDMD分布匹配蒸馏方法，在DMD的积分KL目标上加入基于有限批次估计的Sinkhorn散度最优传输项，并根据判别器输出自适应激活该修正，以处理教师密度低区域的离群样本。 作者称，在FLUX.1-dev、Qwen-Image-20B和Wan2.1-14B上以2–4步采样时，sDMD在GenEval、DPG、WISE和VBench上优于蒸馏基线，样本多样性较DMD2提升。

AI 根据报道生成 · 2 小时前更新

最新进展10月30日 12:00
sDMD：用 Sinkhorn 分布匹配蒸馏改进扩散模型少步生成

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. arXiv · cs.LG
    sDMD：用 Sinkhorn 分布匹配蒸馏改进扩散模型少步生成

    sDMD 在 DMD 的积分 KL 目标上引入基于有限批次估计的 Sinkhorn 散度最优传输项，并按判别器输出自适应激活该修正，以处理教师密度低区域的离群样本。在 FLUX.1-dev、Qwen-Image-20B 和 Wan2.1-14B 上以 2–4 步采样时，sDMD 在 GenEval、DPG、WISE 和 VBench 上优于蒸馏基线，且样本多样性较 DMD2 提升。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。