跳到正文
arXiv · 机器人与计算机视觉· Haowei Zheng, Zhenyu Zhou, Jiawei Chen, Can Wang, Defang Chen·· 2026-10-20精选AI 评分82

LEAP:通过最优线性跳跃加速 ODE 基础扩散采样

LEAP: Accelerating ODE-based Diffusion Sampling with Optimal Linear Leaps

AI 导读

针对扩散模型训练中通用 ODE 数值方法因时间离散化粗糙导致性能下降的问题,本文提出基于轨迹几何理论的最优线性跳跃(LEAP)方法。该方法利用低维度和跨轨迹一致性,在局部轨迹子空间构建监督最小二乘优化问题,无需模型评估即可精确逼近未来状态。

推荐理由

提出基于最优线性跳跃的采样加速方法,无需模型评估即可在多种模态下提升扩散模型生成效率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org