Itô映射：任意步长随机微分方程的单次预测

最近的一步生成模型通过学习底层动态的确定性流图来加速采样。这些方法依赖于从常微分方程中学习，如何为随机动力学定义精确的 蒸馏 过程仍然是一个悬而未决的问题。我们引入了Itô映射，这是一种任意步随机流图，它采用中间状态和布朗路径，并在一次前向计算中预测未来状态。 Itô 映射公式通过提供廉价的、可微分的后验样本访问，产生了用于推理时间控制的新颖估计器。根据经验，Itô映射从固定的中间状态生成多样化的、有条件有效的端点样本，并支持合成和图像生成基准的强大转向性能。这些结果将任意步 SDE 积分确立为后验采样和随机控制的有用原语。