跳到正文
arXiv · 机器人与计算机视觉· Divya Jyoti Bajpai, Arun Verma, Manjesh Kumar Hanawal·· 2026-10-05精选AI 评分83

Contextual Flow Matching:面向高效视觉生成的流模型自适应步长选择

Contextual Flow Matching: Adaptive Step Selection in Flow Models for Efficient Visual Generation

AI 导读

论文提出 COFLOW 方法,在推理阶段根据提示词特征自适应选择生成步数,平衡效率与质量。该方法无需重训底层生成模型,支持图像和视频生成,实现超过 2.5 倍加速且保持感知和语义质量。研究提供了理论分析,证明在标准正则性条件下前向欧拉离散化误差界为 O(1/K)。材料来源于 arXiv 预印本,已获 NeurIPS 2026 接收。

推荐理由

提出 COFLOW 方法,通过提示词自适应选择生成步数实现推理加速,无需重训底层模型。

来源:arXiv · 机器人与计算机视觉 · arxiv.org