CrossDistill：通过轨迹级混合少步蒸馏平衡质量和多样性

少步蒸馏可以加速扩散模型，但必须平衡多样性和保真度：基于轨迹的蒸馏可以保留模式覆盖范围，而分布匹配可以锐化样本，但会减少多样性。我们表明，这种张力可以通过依赖于噪声机制的方式来利用：高噪声步骤在很大程度上决定全局模式，而低噪声步骤则细化局部细节。我们提出了 CrossDistill，一种轨迹级混合蒸馏框架，它在交叉点分割采样轨迹，在高噪声区间应用轨迹保留目标，在低噪声区间应用分布匹配目标，并通过交叉状态耦合两个阶段。与损失级混合相反，并且作为训练时两阶段配方的补充，CrossDistill 沿着噪声轴显式分配互补目标，以便在局部统计数据锐化之前保留全局分支。 CrossDistill是一种噪声级调度策略：PCM和DMD是插件实例化，而噪声划分、交叉耦合和目标排序是关键设计元素。文本到视频扩散模型和定性图像到视频结果的实验​​表明，CrossDistill 扩展了几步质量多样性前沿，保留了种子级别的变化，同时实现了有竞争力的视觉保真度。