用于测试时间扩散的稀疏缩放引导轨迹优化

测试时间缩放（TTS）范式为增强扩散模型的生成性能提供了一个有前景的前景。然而，当前的解决方案在很大程度上将其搜索限制在预定义的候选噪声中，或者在去噪轨迹上进行不灵活的探索。为了弥补这一差距，我们提出了 RTS，一种新颖的奖励引导轨迹缩放方法，以充分释放扩散模型的生成潜力。与现有方法不同，RTS 通过两项核心创新促进精细、高保真图像的合成：1）从粗到细的噪声优化机制，利用历史搜索经验主动引导探索向高回报区域；2）统一的稀疏测试时间缩放框架，采用 PCA 驱动的曲率分析，通过灵活地将计算分配到代表去噪方向关键转变的一组稀疏关键时间步长来消除时间冗余。 SD v3、FLUX 和 Qwen-Image 架构的大量实验表明，RTS 的性能优于基线，将 GenEval 分数分别提高了 20.7%、15.6% 和 12.2%。值得注意的是，实证研究结果表明，这些关键点主要聚集在轨迹的中期，与结构敏感的早期阶段和后期属性细化阶段不同。