AnyFlow: Modello di Diffusione Video a Passi Arbitrari con Distillazione On-Policy della Mappa di Flusso
I ricercatori introducono AnyFlow, un nuovo framework di distillazione per la diffusione video che consente il campionamento a passi arbitrari senza degrado delle prestazioni. I modelli tradizionali basati su consistenza perdono qualità quando vengono utilizzati più passi di campionamento in fase di test, poiché sostituiscono la traiettoria originale dell'ODE di probabilità con una traiettoria di campionamento per consistenza. AnyFlow affronta questo problema ottimizzando l'intera traiettoria di campionamento ODE attraverso l'apprendimento della transizione della mappa di flusso (z_t → z_r) su intervalli di tempo arbitrari, anziché la mappatura di consistenza degli endpoint (z_t → z_0). Il framework è il primo a supportare la diffusione video a passi arbitrari con distillazione on-policy della mappa di flusso. L'articolo è pubblicato su arXiv con ID 2605.13724.
Fatti principali
- AnyFlow è il primo framework di distillazione per diffusione video a passi arbitrari basato su mappe di flusso.
- Ottimizza l'intera traiettoria di campionamento ODE invece di solo pochi passi fissi.
- L'obiettivo di distillazione passa dalla mappatura di consistenza degli endpoint (z_t → z_0) all'apprendimento della transizione della mappa di flusso (z_t → z_r).
- I modelli tradizionali basati su consistenza degradano con più passi di campionamento in fase di test.
- AnyFlow supera la limitazione della distillazione per consistenza per la diffusione video a passi arbitrari.
- L'articolo è disponibile su arXiv con ID 2605.13724.
- Il framework utilizza la distillazione on-policy della mappa di flusso.
- Migliora il comportamento di scaling in fase di test del campionamento ODE.
Entità
Istituzioni
- arXiv