Исследователи представляют Параллельную Дистилляцию Декодирования (PDD), упрощённый метод на основе траекторий для ускорения вывода в моделях диффузии и согласования потоков. В отличие от современных подходов, полагающихся на сложную оптимизацию вариационной дистилляции оценок и состязательных потерь, PDD предсказывает несколько шагов денормализации за одну оценку сети.
- Совместима с любой предварительно обученной моделью и поддерживает выборку с различным числом вычислений функции (NFE).
- Обучает представление средней скорости без регрессии её производной с использованием произведений Якоби на вектор или аппроксимаций конечными разностями.
- Достижение состояния искусства по производительности на LTX-2.3 Text-to-Video/Audio, Wan 14B Text-to-Video и Qwen-Image Text-to-Image при 4-8 NFE.
- Значительно улучшает разнообразие сгенерированных видео по сравнению с существующими методами.
PDD предлагает масштабируемую альтернативу для быстрого вывода, которая избегает коллапса мод, сохраняя высокое качество генерации в задачах text-to-video и text-to-image.