📖 AI 总结

苹果研究团队提出归一化轨迹模型（NTM），旨在解决扩散模型在少步采样时因高斯去噪假设失效而导致的生成质量下降问题。现有少步方法多依赖蒸馏、一致性训练或对抗目标，但会牺牲似然框架。NTM将每个反向步骤建模为具有精确似然训练的条件归一化流，架构上结合每步内的浅层可逆模块与跨轨迹的深层并行预测器，支持从头训练或基于预训练流匹配模型初始化。其精确轨迹似然还支持自蒸馏，使轻量去噪器在四步内生成高质量样本。在文本到图像基准上，NTM仅用四步采样即达到或超越强基线，并独特地保留生成轨迹的精确似然，为少步生成与似然建模的统一提供了新路径。