Normalizing Flows with Iterative Denoising

Apple发布归一化轨迹模型，加速AI图像生成

Apple Machine Learning Research推出了归一化轨迹模型（NTM），这是一种新颖的生成模型方法，即使只有少数粗略的采样步骤也能保持精确的似然训练。与以往牺牲似然性换取速度的方法不同，NTM在每个反向步骤中利用了表达性条件归一化流。这种架构结合了浅层可逆块和深度并行预测器，允许从头开始训练或从预训练的流匹配模型进行初始化。NTM在文本到图像基准测试中表现出竞争力，仅用四个步骤即可生成高质量样本，同时保持生成轨迹的精确似然。