苹果提出 Normalizing Trajectory Models：一种保留精确似然的少步采样图像生成模型

苹果研究人员提出了 Normalizing Trajectory Models，它将每个反向采样步骤建模为具有精确似然训练的条件归一化流。该架构在每个步骤内结合浅层可逆块和跨轨迹的深度并行预测器，形成一个可从头训练或从预训练流匹配模型初始化的端到端网络。在文本到图像基准测试中，NTM 仅用四个采样步骤就能匹配或超越强基线，同时独特地保留了生成轨迹上的精确似然。