11:35
官方账号arXiv cs.LG@Neta Shaul, Chao Liu, Arash Vahdat, Julius Berner
推荐理由：这篇论文提出PDD方法，能用更少的采样步数生成高质量视频和图像，而且训练比VSD简单多了，适合搞生成加速的研究者看看。
LTX-2.3
共 1 条相关 AI 资讯
7月29日
11:35
论文提出Parallel Decoding Distillation (PDD)，一种基于轨迹的蒸馏方法，用于加速扩散模型和流匹配模型的推理。PDD兼容LTX-2.3 Text-to-Video/Audio、Wan 14B Text-to-Video和Qwen-Image Text-to-Image等预训练模型，支持4-8次函数评估。相比依赖变分分数蒸馏（VSD）和对抗损失的方法，PDD训练更简单，避免了模式坍塌，提升了生成视频的多样性。