arXiv · 机器人与计算机视觉· Shengyin Sun, Yiming Li, Yingzhao Lian, Xing Li, Xingzhi Zhou, Anxin Tian, Zhili Wang, Haoyang Li, Ziqiang Cui, Chen Ma·· 2026-10-06精选AI 评分82
Salvation Lies Within:通过语言引导激发步蒸馏扩散模型固有风格迁移
Salvation Lies Within: Eliciting Inherent Style Transfer in Step-Distilled Diffusion Models
AI 导读
针对步蒸馏文本到图像(T2I)模型后训练带来的计算成本与原生少步生成行为受损问题,提出 StyleForge 全自动免训练框架。该框架将参考图像的视觉证据组织为渲染指令规范,编译成可复用的文本引导,使冻结的步蒸馏 T2I 模型能在不同内容提示下保持参考风格并保留少步生成特性。实验显示其生成质量分数较最强基线最高提升 29.47%,且 Pareto 分析表明风格化增强同时保持了良好的内容遵循度。
推荐理由
提出 StyleForge 框架,通过语言引导激发步蒸馏扩散模型的固有风格迁移能力,无需额外训练即可在保留少步生成特性的同时提升风格化质量。
来源:arXiv · 机器人与计算机视觉 · arxiv.org