Intrinsic Distribution Matching 方法提升文生图精度

2026年10月30日，研究团队在 arXiv 发布论文，正式提出 Intrinsic Distribution Matching (IDM) 方法。该方法旨在改进分布匹配蒸馏（DMD），通过匹配特征均值和逐坐标标准差来提升文本到图像生成的细节渲染精度。 IDM 的核心机制是保留完整的 DMD 修正，并利用生成器的指数移动平均（EMA）副本进行约束，从而无需外部特征编码器。这种方法简化了依赖关系，增强了模型在保持分布一致性时的内部稳定性。 实验验证了该方法的可行性，研究者在 Z-Image-Turbo 6B 和 Qwen-Image 20B 模型上分别进行了全参数和 LoRA 低秩适应调优测试。目前，相关研究代码已对外公开，方便后续研究与复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。