复旦与微软提出 ArcFlow：基于动量建模的非线性蒸馏框架，2 步生成高质量图像，加速 40 倍

扩散模型凭借卓越的生成质量成为图像生成领域的核心技术，但40-100步的迭代去噪过程导致推理速度极慢，难以落地到实时应用场景。复旦大学与微软亚洲研究院联合提出的ArcFlow框架，通过非线性轨迹蒸馏的创新思路，仅用2步神经函数评估（NFE=2）就能实现40倍推理加速，同时几乎无损保留原始大模型的生成质量与多样性，为扩散模型的高效落地提供了全新解决方案。

• GitHub：https://github.com/pnotp/ArcFlow
• 模型：https://huggingface.co/ymyy307/ArcFlow

核心痛点：扩散模型“慢”的根源与传统解法的缺陷

1. 扩散模型的推理瓶颈

扩散模型（如Stable Diffusion、FLUX.1-dev、Qwen-Image-20B）生成高质量图像的核心是多步顺序去噪：从随机噪声出发，通过40-100步逐步去除噪声、逼近目标图像。这种“慢工出细活”的方式虽然保证了质量，但每一步都需要神经网络前向计算，推理耗时极长，无法满足实时生成（如移动端、直播特效）的需求。

2. 传统蒸馏方法的致命问题

现有加速方案（如Lightning、pi-Flow、TwinFlow）均采用线性捷径蒸馏：试图用“直线”近似教师模型（原始多步扩散模型）的复杂去噪轨迹。但教师模型的去噪速度场（轨迹切线方向）会随时间步动态变化，线性近似必然导致“几何失配”——就像用折线拟合曲线，步数越少，偏差越大，最终表现为生成图像模糊、细节丢失、模式坍塌（多样性下降）。

ArcFlow核心创新：用“动量驱动的非线性轨迹”精准复刻教师行为

ArcFlow的核心思路是放弃线性近似，显式建模速度场的连续演化，通过物理“动量（momentum）”概念构建非线性轨迹，精准匹配教师模型的去噪路径，同时解决数值离散化误差问题。

1. 核心设计：连续动量过程的混合速度场

ArcFlow将扩散模型的去噪速度场参数化为多个连续动量过程的加权混合，而非单一的线性向量。具体来说：

• 不再直接预测“一步到位”的速度，而是预测K个基础速度向量（v）、对应的动量因子（γ）和门控概率（π）；
• 组合速度场公式：$v_θ = Σ π_k · v_k · γ_k^{(1-t)}$，其中t为时间步，γ_k^(1-t)让速度随时间自然演化，形成非线性轨迹；
• 关键优势：这种参数化支持解析积分（而非数值离散计算），能精准计算每一步的位移Δx，完全避免离散化误差，实现对教师轨迹的高精度逼近。

2. 高效训练策略：轻量级适配器蒸馏

为了快速将上述参数化落地为“少步生成器”，ArcFlow采用预训练模型冻结+LoRA适配器微调的策略：

• 冻结教师模型（如Qwen-Image-20B、FLUX.1-dev）的主干网络（DiT），仅在关键位置插入轻量级LoRA适配器；
• 训练时仅优化适配器参数（占原始模型的<5%），既保证了训练效率，又避免破坏教师模型的原有能力；
• 收敛速度极快：训练至最优FID仅需1000步，远低于TwinFlow的3000+步，且训练过程稳定，无模式坍塌风险。

ArcFlow工作流程（2步生成完整链路）

ArcFlow的2步生成过程清晰且高效，核心是通过动量驱动的速度场计算精准位移，具体步骤如下：

输入: 随机噪声 x_t, 文本条件 c, 时间步 t
      ↓
DiT主干网络 (冻结) + LoRA适配器 (可训练) 前向计算
      ↓
三个投影头并行输出核心参数:
  ├─ v: K个基础速度向量（描述轨迹基础方向）
  ├─ γ: K个动量因子（控制速度随时间的演化趋势）  
  └─ π: K个门控概率（softmax归一化，加权混合不同动量过程）
      ↓
计算组合速度场: v_θ = Σ π_k · v_k · γ_k^(1-t)
      ↓
解析积分计算位移: Δx = Φ(v, π, γ, Δt)（无离散化误差）
      ↓
单步更新图像: x_{t-Δt} = x_t - Δx
      ↓
重复1次上述流程（共2步），输出最终高质量图像

关键洞察：教师模型的去噪轨迹是“曲线”，线性方法用“直线”拟合必然偏差，而ArcFlow通过动量参数化让轨迹自然弯曲，完美贴合教师的真实去噪路径。

核心功能与优势

实测验证：ArcFlow全面碾压同类加速方案

基于Qwen-Image-20B的蒸馏测试，ArcFlow在定量、定性维度均展现出绝对优势：

1. 定量指标对比（NFE=2时）

• FID/pFID越低，说明生成图像与真实分布/感知效果越接近：ArcFlow的FID比第二名TwinFlow低26%，pFID低13%；
• Geneval/DPG-Bench与教师模型持平，证明质量、文本对齐度无损失；
• 参数效率：仅用1.8G可训练参数实现最优效果，是TwinFlow的1/21。

2. 定性效果对比

局限与未来方向

ArcFlow虽实现了2步生成的突破，但仍有优化空间，未来研究方向包括：

1. 1步生成能力提升：当前强制1步生成时质量严重下降，需优化γ动量因子的建模网络，让单步轨迹更精准；
2. 模型规模适配：验证ArcFlow在更小（如1B级）、更大（如100B级）扩散模型上的通用性；
3. 多模态扩展：将非线性轨迹蒸馏思路应用到视频生成、3D内容生成等领域，解决多模态扩散模型的推理速度问题；
4. 硬件适配优化：针对移动端/边缘设备，进一步量化ArcFlow的适配器参数，降低部署成本。