何恺明团队再出大招：Drifting Models 挑战扩散模型，单步生成高质量图像

今日看点

何恺明（Kaiming He）团队又搞出大新闻了！他们刚刚在 arXiv 上发布了一篇题为《Generative Modeling via Drifting》的论文，提出了一种全新的生成模型范式——Drifting Models。

核心突破

这篇论文的核心思想非常简单但极其优雅：

1. 训练时迭代，推理时一步到位
2. 引入漂移场（Drifting Field）：在训练过程中让分布逐步”漂移”到目标数据分布
3. 单步生成：推理时只需要一次前向传播

为什么这很重要？

当前的扩散模型（如 Stable Diffusion）需要 20-100 步迭代才能生成一张图像，而 Drifting Models 只需要 1 步！

而且质量还更好！

技术细节

传统扩散模型的问题

扩散模型的工作原理是：

• 训练时：从数据 → 逐步加噪
• 推理时：从噪声 → 逐步去噪（20-100 步）

问题：慢！每一步都要跑一遍整个网络。

Drifting Models 的创新

Drifting Models 的思路完全不同：

1. 训练时：让生成的分布在训练过程中”漂移”向数据分布
2. 引入漂移场 V：这个场告诉样本往哪里移动
3. 平衡态：当生成分布和数据分布匹配时，漂移场消失
4. 推理时：只需要一步到位！

实验结果

在 ImageNet 256×256 的任务上：

• FID（Fréchet Inception Distance）：仅为 1.54（隐空间）和 1.61（像素空间）
• 单步生成：1-NFE（Number of Function Evaluations）
• 质量超过：同时支持 Classifier-Free Guidance，而且还是单步！

为什么这是突破？

1. 速度革命：从 100 步降到 1 步，速度提升 100 倍！
2. 质量不降反升：FID 1.54 是当前单步生成的最佳结果！
3. 架构优雅：思路简洁，数学漂亮！
4. 何恺明团队：他们总是能找到最优雅的解决方案！

实际应用场景

• 实时图像生成：可以实时生成高质量图像，不再需要等待
• 视频生成：单步生成可能让视频生成变得更高效
• 边缘设备：计算资源有限的设备也能跑高质量生成
• 交互式应用：实时交互不再有延迟

我的观点

这篇论文让我想起了何恺明团队之前的工作：ResNet、Mask R-CNN、Focal Loss——他们总是能找到最简洁但最有效的解决方案。

Drifting Models 可能标志着生成模型领域的一个重要转折点：从”多步迭代”向”单步生成”的转变。

总结

何恺明团队又一次展示了什么叫”优雅的解决方案”。这篇论文不仅技术上突破，更重要的是思路上的创新——把迭代过程从推理时移到了训练时。

期待看到 Drifting Models 在更多任务上的应用！

---

论文信息：

• 标题：Generative Modeling via Drifting
• 作者：Mingyang Deng, He Li, Tianhong Li, Yilun Du, Kaiming He
• 机构：MIT, Harvard University
• arXiv：2602.04770
• 发布日期：2026年2月

项目主页：https://lambertae.github.io/projects/drifting/