归一化轨迹模型（Normalizing Trajectory Models）

基于扩散的模型将采样分解为许多小幅的高斯去噪步骤。当生成过程被压缩为少数几个粗粒度转换时，这一假设便不再成立。现有少步方法通过蒸馏、一致性训练或对抗目标来解决这一问题，但在此过程中牺牲了似然框架。我们提出归一化轨迹模型（NTM），将每个反向步骤建模为具有较强表达能力的条件归一化流，并进行精确的似然训练。在架构上，NTM 将每个步骤中的浅层可逆模块与深层并行……相结合。