通过条件转换的自我对抗一步生成

对高效文本到图像合成的推动使该领域朝着一步采样的方向发展，但现有方法仍然面临保真度、推理速度和训练效率之间的三向权衡。依赖外部判别器的方法可以提高一步性能，但它们通常会带来训练不稳定、GPU 内存开销高和收敛速度慢的问题，从而使扩展和参数高效调整变得复杂。相比之下，基于 蒸馏 和一致性目标的回归更容易优化，但当限制为单个步骤时，它们通常会丢失精细的细节。我们提出了 APEX，它建立在一个关键的理论见解之上：可以通过条件转换从流模型中内生地提取对抗性校正信号。使用变换创建一个移位条件分支，其速度场充当模型当前生成分布的独立估计器，产生可证明 GAN 对齐的梯度，替换导致梯度消失的样本相关判别器项。这种无鉴别器的设计保留了架构，使 APEX 成为一个即插即用的框架，兼容全参数和基于 LoRA 的调整。根据经验，我们的 0.6B 模型在一步质量上超越了 FLUX-Schnell 12B（参数多了 20 倍\倍）。通过在 Qwen-Image 20B 上进行 LoRA 调优，APEX 在 6 小时内在 NFE=1 时达到 GenEval 分数 0.89，超过了原来的 50 步教师（0.87），并提供了 15.33$\times$ 的推理加速。代码可在 https://github.com/LINs-lab/APEX 获取。