在生成式 AI 的浪潮中，我們見證了從 Stable Diffusion 到 FLUX、Qwen-Image 等大規(guī)模擴散模型的畫質(zhì)飛躍。然而，這種飛躍并非沒有代價。為了從純噪聲中 “雕刻” 出清晰的圖像，這些模型通常需要進行40 到 100 步（NFE）的迭代去噪。這種延遲使得模型很難真正應(yīng)用于實際的實時生成或大規(guī)模服務(wù)。

于是，“少步生成”（Few-step Generation）成為了必爭之地。對于原本教師模型曲折的生成軌跡，目前的少步加速方案（如 Progressive Distillation, Distribution Matching 等）都在試圖做同一件事：把彎路拉直，一步到達終點。

然而，原本高維空間的生成軌跡極其復(fù)雜，強行 “拉直” 會導(dǎo)致軌跡上的幾何失配（Geometric Mismatch）。這直接導(dǎo)致了少步生成時的結(jié)構(gòu)崩壞和細節(jié)丟失。

有沒有一種方法，既能快，又能順應(yīng)原本蜿蜒的生成軌跡？

復(fù)旦大學(xué)與微軟亞洲研究院帶來的ArcFlow給出了答案：如果路是彎的，那就學(xué)會 “漂移”，而不是把路修直。

• 論文地址：https://arxiv.org/abs/2602.09014
• 項目代碼：https://github.com/pnotp/ArcFlow

一、 困境：為什么 “走直線” 難以學(xué)習(xí)？

在擴散模型中，教師模型（Pre-trained Teacher）的生成過程本質(zhì)上是在高維空間中求解微分方程并進行多步積分。由于圖像流形的復(fù)雜性，教師模型原本的采樣軌跡通常是一條蜿蜒的曲線，其切線方向（即速度場）隨時間步不斷變化。

為了加速，現(xiàn)有的蒸餾方法（如 Progressive Distillation, Instaflow 等）嘗試將這個軌跡壓縮成一步直線抵達。它們的邏輯是：既然走曲線慢，那就訓(xùn)練學(xué)生模型，把起點（噪聲）和終點（圖像）之間連成一條直線。如果學(xué)生能學(xué)會走這條直線，那推理不就只需要一步了嗎？

這種策略帶來了兩個致命問題：

1.幾何失配（Geometric Mismatch）：教師模型原本的權(quán)重是基于曲線軌跡訓(xùn)練出來的。強行讓學(xué)生模型去擬合一條直線，相當(dāng)于讓它 “背叛” 教師原本的生成先驗。這種幾何上的不匹配，導(dǎo)致學(xué)生模型很難學(xué)，或者學(xué)出來的東西結(jié)構(gòu)崩壞。

2.學(xué)習(xí)成本高：為了強行扭轉(zhuǎn)軌跡，學(xué)生模型往往需要進行全參數(shù)微調(diào)（Full Fine-tuning）。這不僅訓(xùn)練慢、顯存開銷大，而且容易導(dǎo)致 “災(zāi)難性遺忘”，破壞大模型原本優(yōu)秀的泛化能力。

所以我們經(jīng)?？吹剑汉芏嗾麴s后的模型，雖然速度快了，但生成質(zhì)量不穩(wěn)定，甚至對復(fù)雜的 Prompt 理解能力下降。

如果不強制拉直，我們還能怎么快起來？

二、 洞察：速度場不是隨機的，它是連續(xù)的

ArcFlow 團隊重新審視了教師模型的軌跡，根據(jù) ODE 的理論規(guī)律，在相鄰的時間步之間，去噪的速度方向并不是跳躍式變化的，而是存在極強的相關(guān)性。這就像一輛賽車在過彎道，下一秒的方向和速度，很大程度上取決于當(dāng)前秒的狀態(tài)和慣性。既然教師模型的軌跡本身就是連續(xù)變化的，為什么我們不直接去建模這種 “變化規(guī)律”，而不是強行把它改成直線呢？

如果我們能找到一種參數(shù)化方法，能夠描述這種 “彎曲” 的趨勢，那么學(xué)生模型就不需要費力去把路拉直，而是可以順著教師的勢能，用極少的步數(shù) “滑” 向終點。

基于這個核心洞察，ArcFlow 誕生了。

三、 ArcFlow 的三大殺手锏

1. 動量參數(shù)化（Momentum Parameterization）：給生成過程加個 “慣性”

為了捕捉上述的 “速度連續(xù)性”，ArcFlow 引入了物理學(xué)中經(jīng)典的 “動量”（Momentum）概念。

在傳統(tǒng)方法中，模型在每個時間步獨立預(yù)測速度。而在 ArcFlow 中，我們將速度場建模為多個連續(xù)動量過程的混合。通俗來說，模型不僅預(yù)測當(dāng)前的 “速度”，還預(yù)測了一個 “動量因子”（Momentum Factor）。這個因子描述了速度隨時間衰減或增強的趨勢。這就好比我們知道了物體的初速度和受力情況（動量），哪怕不看中間過程，我們也能通過物理公式直接預(yù)判它未來的軌跡是彎曲的還是筆直的。

這一設(shè)計讓 ArcFlow 能夠顯式地構(gòu)建非線性軌跡。在 2-4 步的極少步數(shù)下，這種非線性軌跡比生硬的直線能更精確地貼合教師模型的原始路徑。

2. 解析求解器（Analytic Solver）：數(shù)學(xué)層面的 “零誤差”

既然已經(jīng)用 “動量公式” 完美定義了速度隨時間的演變規(guī)律，那么這條軌跡的積分就是可解析的。

也就是說，我們可以推導(dǎo)出一個閉式解（Closed-form Solution）。

這意味著，ArcFlow 不需要像傳統(tǒng)求解器那樣通過離散步去擬合軌跡。它只需要一次前向傳播，就能通過數(shù)學(xué)公式，精確無誤地計算出任意時間間隔后的終端狀態(tài)。

這種數(shù)學(xué)層面上的 “零誤差” 積分，是 ArcFlow 能夠?qū)崿F(xiàn)高精度流匹配的關(guān)鍵。它消除了傳統(tǒng)蒸餾方法中的離散化噪聲，讓生成的圖像細節(jié)清晰。

3. 極簡訓(xùn)練策略：<5% 參數(shù)的 LoRA 微調(diào)

這是最讓開發(fā)者興奮的一點。

正如前文所說，傳統(tǒng)方法因為要 “強行拉直” 軌跡，不得不重寫整個模型的參數(shù)。而 ArcFlow 選擇 “順勢而為”，它的非線性軌跡天然契合教師模型的預(yù)訓(xùn)練分布。

因此，ArcFlow 不需要破壞教師模型原本的參數(shù)。實驗證明，僅需通過 LoRA 微調(diào)不到 5% 的參數(shù)（主要是為了適應(yīng)新的動量預(yù)測頭），就能實現(xiàn)完美的軌跡對齊。

這種策略帶來了兩大紅利：

• 訓(xùn)練收斂極快：相比 TwinFlow 等全量微調(diào)方法，ArcFlow 的收斂速度快了超過 4 倍
• 保留教師先驗：最大程度繼承了 FLUX/Qwen 原本龐大的知識庫，不像其他蒸餾模型那樣容易出現(xiàn)崩壞或畫質(zhì)劣化。

四、 實驗數(shù)據(jù)

團隊在Qwen-Image-20B和FLUX.1-dev這兩個目前最強的開源模型上進行了驗證。結(jié)果表明，ArcFlow 在速度、質(zhì)量和效率上實現(xiàn)了的平衡。

1. 推理速度

從原始的 50-100 步迭代，直接壓縮至2 步（2 NFE）。在相同硬件上，實現(xiàn)了超過 40 倍加速。

2. 畫質(zhì)表現(xiàn)

在 Geneval、DPG-Bench 等基準(zhǔn)測試中，ArcFlow 在 2 步設(shè)定下的 FID 和語義一致性得分大部分優(yōu)于或持平目前的 SOTA 方法。

視覺對比：

從論文展示的效果圖來看，在同樣的 2 步推理下，其他線性蒸餾方法生成的圖像容易出現(xiàn)背景模糊、物體結(jié)構(gòu)扭曲（如折斷 / 重影的劍、模糊的背景），尤其是在不同的初始噪聲下，其他方法容易出現(xiàn)生成模式相似、多樣性坍縮的情況。而 ArcFlow 生成的圖像不僅清晰度高，而且保留了教師模型原本的豐富細節(jié)和畫面多樣性。

3. 訓(xùn)練效率

得益于更精準(zhǔn)的軌跡擬合和 LoRA 策略，ArcFlow 的訓(xùn)練曲線令人賞心悅目。在相同迭代步數(shù)下，ArcFlow 的 FID 分數(shù)和畫面質(zhì)量大幅領(lǐng)先。對于沒有大規(guī)模算力的實驗室或個人開發(fā)者來說，這大大降低了復(fù)現(xiàn)和定制的門檻。

4. 更多效果展示

五、 總結(jié)

ArcFlow 提出了一種新的少步蒸餾的解決思路：相較于 “把曲線拉直” 的 “蠻力”，不如順應(yīng)原本的模型特征空間，用參數(shù)去描述其復(fù)雜性。通過動量參數(shù)化和解析求解器，ArcFlow 避免了不穩(wěn)定的對抗性目標(biāo)函數(shù)和全參數(shù)訓(xùn)練，從而實現(xiàn)了更快的收斂速度和更高效的蒸餾過程。這為未來的高效生成模型研究提供了一個極具潛力的方向。