兩位清華校友，在OpenAI發(fā)布最新研究——

生成圖像，但速度是擴散模型的50倍。

路橙、宋飏再次簡化了一致性模型，僅用兩步采樣，就能使生成質量與擴散模型相媲美。

他們成功將連續(xù)時間一致性模型的訓練規(guī)模擴展到了前所未有的15億參數(shù)，并實現(xiàn)了在512×512分辨率的ImageNet數(shù)據集上的訓練。

參數(shù)15億模型在單張A100 GPU上無需任何推理優(yōu)化即可在0.11秒內生成一個樣本。

團隊還表示通過定制系統(tǒng)優(yōu)化，可以進一步加速，為實時生成圖像、音頻和視頻提供新的可能。

值得一提的是，論文僅有的兩位作者還都是清華校友。

該項研究發(fā)布后得到大量網友點贊轉發(fā)。

把正在休假的Openai總裁Greg Brockman都炸出來了：

多模態(tài)模型正邁向實時生成。

那么，sCM是如何實現(xiàn)的？

兩步采樣，50倍加速

一致性模型是一種快速的擴散模型替代方案。

當前擴散模型的采樣方法通常需要數(shù)十到數(shù)百個連續(xù)步驟才能生成單個樣本，這限制了其實時應用的效率和可擴展性。

與逐步通過大量去噪步驟生成樣本的擴散模型不同，它旨在一步直接將噪聲轉換為無噪聲樣本。

OpenAI最新這項研究提出了一種改進連續(xù)時間一致性模型（Continuous-time Consistency Models）的綜合方法，主要包含題目中提到的三個關鍵點：簡化、穩(wěn)定和擴展。

論文指出，現(xiàn)有一致性模型主要采用離散時間步訓練，這種方法會引入額外的超參數(shù)并容易產生離散化誤差。盡管連續(xù)時間公式可以避免這些問題，但之前的工作中連續(xù)時間一致性模型始終面臨訓練不穩(wěn)定的挑戰(zhàn)。

為此，論文首先提出了TrigFlow，巧妙地統(tǒng)一了EDM（Exponential Diffusion Model）和Flow Matching兩種方法。

TrigFlow使擴散過程、擴散模型參數(shù)化、PF-ODE、擴散訓練目標和一致性模型參數(shù)化都能夠擁有簡潔的表達式，如下所示。

在此基礎上，研究人員深入分析了導致訓練連續(xù)時間一致性模型不穩(wěn)定的原因。

在TrigFlow框架的基礎上引入了幾項理論上的改進，重點是參數(shù)化、網絡架構和訓練目標。

連續(xù)時間一致性模型訓練的關鍵是：

取決于：

經過進一步分析，研究人員發(fā)現(xiàn)不穩(wěn)定源自于時間導數(shù)：

并據此提出了三個關鍵改進：

• 采用恒等時間變換c_noise(t)=t代替原有的對數(shù)正切變換，避免了t接近π/2時的數(shù)值不穩(wěn)定性；
• 使用位置時間嵌入替代傅里葉嵌入，減少了導數(shù)震蕩；
• 引入自適應雙重歸一化層替代AdaGN，在保持模型表達能力的同時提高了訓練穩(wěn)定性。

此外，論文還改進了訓練目標，包括切向量歸一化和自適應權重等技術。

以上種種改進使得研究人員成功將時間一致性模型的訓練規(guī)模擴展到15億參數(shù)，并在多個基準數(shù)據集上表現(xiàn)優(yōu)異。

CIFAR-10上的FID（越低越好）為2.06，ImageNet 64×64上為1.48，ImageNet 512×512上為1.88。

特別值得注意的是，這些模型只需要兩步采樣就能達到接近最好的擴散模型的生成質量（FID差距在10%以內），而計算開銷僅為后者的10%。

研究人員還比較了改進后的一致性模型與變分分數(shù)蒸餾（VSD）方法的區(qū)別，發(fā)現(xiàn)一致性模型能產生更多樣的樣本，并且在更高的引導水平下表現(xiàn)更好。

他們還有一個關鍵發(fā)現(xiàn)，隨著teacher擴散模型的規(guī)模擴大，sCM的改進也呈比例增加。

用FID分數(shù)的比率來衡量樣本質量的相對差異在模型大小不同的規(guī)模上是一致的，這意味著當模型規(guī)模增加時，樣本質量的絕對差異會減小。

此外，增加sCM的采樣步驟可以進一步減少質量差距。

作者簡介

路橙

去年在清華大學TSAIL實驗室，在朱軍教授指導下獲得博士學位；2019年獲清華大學計算機科學與技術系學士學位。

現(xiàn)在他是OpenAI研究科學家，對大規(guī)模深度生成模型和強化學習算法感興趣。

喜歡在數(shù)學理論和實際應用技巧之間找到理想的平衡點。

他對一致性模型、擴散模型、歸一化流和基于能量的模型及其在圖像生成、3D 生成和強化學習中的應用有豐富的研究經驗。

宋飏

宋飏在清華大學獲數(shù)學和物理學士學位后，在斯坦福大學獲得了計算機科學博士學位，導師Stefano Ermon。

其研究目標是開發(fā)能夠理解、生成并處理多種形態(tài)高維數(shù)據的強大AI模型。

目前，宋飏專注于改進生成模型，包括它們的訓練方法、架構設計、對齊、魯棒性、評估技巧及推理效率。

他對探索生成模型作為科學發(fā)現(xiàn)工具的潛力也很感興趣。