少步文生图首次攻克长文本渲染
推荐指数 69.0 NO. 031 · 2026.10.31
upvotes235comments2
简介
Intrinsic Distribution Matching 在分布匹配蒸馏中加入显式矩约束，用更少采样步数实现高质量长文本渲染。对需要快速生成且文字准确率要求高的商用场景（如广告图、海报）有直接价值。
媒体预览
编辑判断
DMD 系列之前被诟病最多的是文字崩坏和细节丢失，这篇的矩约束本质上是在 score matching 之外加了一个显式的分布对齐目标，相当于给模型一个'格式检查器'。从指标看长文本渲染追平了需要 20+ 步的模型，但单步/四步的设定下能否保持风格一致性还需要看社区复现。HuggingFace 上热度高但评论少，说明大家还在等代码放出来跑 benchmark。做电商海报、游戏素材批量生成的团队可以重点关注，如果开源后推理速度确实能压到 100ms 以内，可能会替代掉一部分 SDXL+ControlNet 的管线。