arXiv · 机器人与计算机视觉· Kairui Wen, Sheng Ye, Yong-Jin Liu·· 9 天前AI 评分44
四步文本生成图像蒸馏框架发布:结合局部响应正则化与教师引导训练,GenEval 整体得分达 0.84
Four-Step Text-Bearing Image Generation via Distillation with Local Response Regularization and Teacher-Guided Training
AI 导读
该研究提出一种四步蒸馏框架,通过局部响应正则化和教师引导训练,在保留 GLM-Image DiT 自回归先验的同时降低采样成本。学生模型在 GenEval 上取得 0.84 的整体分数和 0.5045 的 CVTG-2K 单词准确率,推理耗时仅 1.742 秒(教师为 5.818 秒),实现 3.34 倍加速且显存需求同为 40 GB。
来源:arXiv · 机器人与计算机视觉 · arxiv.org