一步生成 ImageNet FID 1.29!斯坦福用 Wasserstein 梯度流重写一步生成模型
一步生成 ImageNet FID 1.29!斯坦福用 Wasserstein 梯度流重写一步生成模型训练时让分布沿最优传输的 “下山方向” 走,推理时只需一次网络前向。W-Flow 把多步演化压进静态生成器,在 ImageNet 256×256 上刷新一步生成指标。
来自主题: AI技术研报
9175 点击 2026-06-03 14:34
搜索
训练时让分布沿最优传输的 “下山方向” 走,推理时只需一次网络前向。W-Flow 把多步演化压进静态生成器,在 ImageNet 256×256 上刷新一步生成指标。
大连理工大学的研究人员提出了一种基于Wasserstein距离的知识蒸馏方法,克服了传统KL散度在Logit和Feature知识迁移中的局限性,在图像分类和目标检测任务上表现更好。