文章主旨：

本文提出了一种名为TWINFLOW的简单且高效的生成框架，通过自对抗训练优化速度场一致性，显著提升了大型少步连续生成模型的推理效率与生成质量。

关键要点：

• 解决了多模态生成模型推理效率低下的问题，仅需1-NFE即可生成高质量图像，计算成本显著降低。
• 引入自对抗训练与速度场一致性约束，优化从噪声到数据的生成轨迹，无需GAN判别器或冻结教师模型。
• 支持大模型高效适配，应用于Qwen-Image-20B，成功验证了其可扩展性与工业潜力。
• 在文本到图像生成任务中，TWINFLOW在1-NFE和2-NFE条件下表现出高度竞争力，超越现有少步和多步方法。
• 尽管在图像编辑和其他模态生成任务上仍有局限性，但其设计和性能具有显著的前景。

内容结构：

1. 解决的问题

主流多模态生成模型推理效率低下，依赖多步采样导致计算成本高。现有少步方法存在缺陷，主要表现为噪声到数据的转换不够鲁棒且生成质量受限制。

2. 应用的技术

• 流匹配理论扩展：引入对称双流空间以增强生成性能。
• 速度场一致性约束：通过自监督优化实现噪声到数据的高质量映射。
• 大模型高效适配：支持全参数微调与一步生成转换，验证了其工业落地潜力。

3. 达到的效果

• 推理效率飞跃：1-NFE即可生成高质量图像，显著降低计算成本。
• 生成质量领先：在GenEval和DPG-Bench指标上表现接近100-NFE模型。
• 工程优势：训练稳定、内存开销低，支持一步生成大规模模型。

4. 方法

• 提出TWINFLOW框架，创建双轨迹以实现自对抗训练，优化速度场一致性。
• 整合到任意步框架中，同时支持多步和少步生成目标。

5. 实验与评估

• 在Qwen-Image-20B和其他模型上验证了TWINFLOW的多功能性和性能优势。
• 在文本到图像任务中，1-NFE和2-NFE条件下超越多步模型及其他少步方法。

6. 局限性与未来方向

对图像编辑和视频、音频生成等模态的适应性仍需进一步验证，未来可通过更多样化任务扩展其适用性。

文章总结：

TWINFLOW框架以简单高效的设计显著提升了少步生成模型的性能和适用性，具有广泛的工业应用潜力，但仍需进一步探索其多模态扩展性。

小公司管理：警惕大厂的“成功方程式”​

了解更多

AI生成未来

查看原文：1步顶100步！TwinFlow:无需教师模型，仅单步推理，Qwen-Image-20B生成速度涨100倍！

文章来源：

AI生成未来

扫码关注公众号