🤖 AI

Bi-Anchor Interpolation Solver for Accelerating Generative Modeling

本文提出了双锚点插值求解器（BA-solver），这是一种轻量级且训练高效的方法，通过将冻结的主干网络与一个小型 SideNet 相结合，在仅需 5–10 次神经函数评估（NFE）的情况下实现高保真合成，同时不会牺牲通用性或产生过高的训练成本，从而加速了流匹配（Flow Matching）的生成过程。

原作者： Hongxu Chen, Hongxiang Li, Zhen Wang, Long Chen

发布于 2026-06-19

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Hongxu Chen, Hongxiang Li, Zhen Wang, Long Chen

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图从一个杂乱的涂鸦（噪声）中画出一条完美、平滑的曲线，最终呈现出一幅清晰的图像。在 AI 绘画的世界里，这就是“流匹配”（Flow Matching）模型的工作方式。它们并不直接跳向答案，而是必须沿着路径采取许多细小、谨慎的步骤才能到达目的地。

问题在于？这种“走步”的过程非常缓慢。如果你想要一张高质量的图片，AI 通常需要走 100 步（称为“神经函数评估”或 NFEs）。这就像为了喝一杯水而跑了一场马拉松。

这篇论文介绍了一种名为 BA-solver（双锚点插值求解器，Bi-Anchor Interpolation Solver）的新方法，它就像是为这个 AI 穿上了一双“超级运动鞋”，让它能够迈出巨大且自信的大步，同时仍能精准地落在目标点上。它仅需 5 到 10 步 即可生成高质量图像。

以下是它的工作原理，通过简单的类比来解释：

1. 旧方法：“猜测” vs. “双重检查”

论文解释了以往方法的两种糟糕选择：

“外推法”求解器（盲目徒步者）： 想象你在徒步旅行，你只知道你现在所面向的方向。为了到达下一个营地，你根据当前这一个方向来猜测你会在哪里。如果路径发生了弯曲，你可能会跑偏或迷路。为了修正这一点，你必须采取极小、极细碎的步伐以保持轨迹。这很精确，但极其缓慢。
“插值法”求解器（准备过度的徒步者）： 这位徒步者知道路径的起点和终点。为了确定下一步的方向，他会停下来，观察起点，观察终点，然后计算中间位置。这非常精确，但因为他每走一步都要停下来进行两次计算，所以依然很慢。

2. 新方案：“双锚点”求解器

BA-solver 是两者的巧妙结合。它使用了一个主脑（沉重、强大的 AI 模型）和一个轻量级侧翼（一个被称为“SideNet”的微小、快速的助手）。

这里是魔法的奥秘，分为三个部分：

A. “侧翼”（轻量级 SideNet）

主 AI 模型庞大且运行缓慢。作者添加了一个微小的、廉价的“SideNet”（大小约为原模型的 1-2%）。

类比： 把“主脑”想象成一位沉重、缓慢的教授。SideNet 则是一位敏捷、快速的学生助教。
作用： SideNet 不仅学习预测路径向前延伸的方向，还学习预测路径向后回溯的来源。它赋予了系统“双向视野”。

B. “两个锚点”（双锚点）

与其仅从起点开始猜测整个路径（像盲目徒步者那样），BA-solver 使用两个“锚点”来稳固路径：

锚点 1： 当前位置（由沉重的“主脑”计算得出）。
锚点 2： 预测的步进终点位置（同样由“主脑”计算，但每一步只计算一次）。

随后，微小的“侧翼”负责填补这两个锚点之间的间隙。因为侧翼只需要猜测两个锚点之间的一段短距离，而不是整个长路径，所以它犯错的可能性非常小。

C. “状态复用”（效率黑科技）

通常情况下，如果你想检查一步的终点，你必须再次运行沉重的“主脑”。这是非常昂贵的。

技巧： BA-solver 计算出第 1 步的“终点锚点”。对于第 2 步，它会将这个相同的“终点锚点”复用为“起点锚点”。
结果： 沉重的“主脑”每一步只需要运行一次。微小的“侧翼”则承担了所有中间计算的重任。这保持了过程的高效。

3. 结果：快速且准确

论文在 ImageNet（一个标准的 AI 图像生成数据集）上测试了该方法。

速度： 他们实现了在 5 到 10 步 内达到标准方法需要 100 步以上 才能达到的效果。
质量： 生成的图像与那些缓慢的方法一样清晰、细腻。
成本： 他们不需要重新训练庞大的主 AI 模型。他们只需训练微小的“侧翼”，而这所花费的时间和计算能力仅为原先的一小部分。

总结

可以将 BA-solver 想象成一个 GPS 导航系统，它不仅观察前方的道路，还会预测你在几秒钟后会到达哪里，然后利用一台微型、快速的计算机来填充这两个点之间路段的细节。

这使得 AI 既能开得快（步数更少），又不会“撞车”（保持高画质），而且它不需要更换引擎（重新训练整个模型）。论文声称，这使得生成高质量图像变得显著更快、更便宜，同时它也足够灵活，可以适配现有的 AI 工具。

技术摘要：用于加速生成模型的双锚点插值求解器（Bi-Anchor Interpolation Solver）

1. 问题陈述

流匹配（Flow Matching, FM）模型（如 Flux 和 SD3）通过回归将噪声分布传输到数据分布的速度场，已在高质量图像合成领域建立了最先进的性能。然而，生成过程需要通过迭代数值积分来求解常微分方程（ODE），这造成了显著的延迟瓶颈。

现有解决方案面临着一种两极分化的局面：

无需训练的求解器（Training-free Solvers）： 如 Euler、Heun 和 DPM-Solvers 等方法具有即插即用的特性，但在使用大时间间隔时会产生巨大的外推误差。为了保持质量，它们需要高次数的神经函数评估（NFE），在高质量采样时通常超过 100 步。
基于训练的一步/少步法（Training-based One/Few-Step Methods）： 诸如一致性模型（Consistency Models）和流映射匹配（Flow Map Matching）等方法通过直接预测轨迹，将生成加速至 1–2 步。然而，它们缺乏通用性（无法应用于现成的模型而不进行重训），并且会产生高昂的训练成本，通常需要数十万次迭代并微调庞大的骨干网络参数。

核心挑战在于弥合这一差距：在实现基于训练的方法的加速能力的同时，保留无需训练求解器的即插即用通用性，且不产生大规模的训练成本。

2. 方法论：双锚点插值求解器（BA-solver）

作者提出了 双锚点插值求解器（BA-solver），这是一种新型采样框架，它在保持冻结骨干网络的同时，引入了一个轻量级的 SideNet，以实现极低 NFE 下的高阶插值。

核心组件

1. 具有双向时间感知能力的轻量级 SideNet
与其重新训练沉重的骨干网络 $v_\theta$ ，BA-solver 引入了一个轻量级的 SideNet ( $S_\phi$ )，其参数量仅约为骨干网络的 1–2%。

功能： SideNet 学习预测以当前状态 ( $x_t$ ) 和速度 ( $v_t$ ) 为条件的速率偏差。
双向感知： 它在不通过冻结骨干网络进行梯度反向传播的情况下，近似预测未来和历史的速度。这赋予了系统“前瞻”和“回顾”的能力。
训练效率： 训练在计算和内存上都是高效的，仅需要全量微调方法所需迭代次数的一小部分。

2. 双锚点速度集成
该求解器解决了单锚点插值的局限性，即随着时间偏移增加，预测保真度会下降。BA-solver 利用两个锚点速度来最小化这种误差：

前向探测（Forward Probe）： 使用当前锚点速度 $v_t$ （来自骨干网络），SideNet 预测一组求积节点（quadrature nodes）的中间速度。随后计算一个临时下一步状态 $\hat{x}_{t-h}$ 。
后向精炼（Backward Refinement）： 骨干网络在临时状态处评估速度， $v_{t-h} = v_\theta(\hat{x}_{t-h}, t-h)$ ，从而建立第二个锚点。随后，SideNet 从 $v_{t-h}$ 进行“后向回顾”，以精炼靠近区间末端的节点预测。
集成与状态复用： 最终的状态更新利用高阶求积规则（如 Gauss-Lobatto）集成来自两个方向的速度（前向预测用于前半部分，后向精炼用于后半部分）。至关重要的是，计算出的锚点 $v_{t-h}$ 被缓存并作为下一个区间的起始锚点重复使用，确保总 NFE 次数恰好等于区间数量。

3. 基于链式的训练（Chain-Based Training）
为了确保鲁棒性，SideNet 使用模拟顺序生成过程的 K-区间链策略进行训练。训练目标是最小化 SideNet 的速度预测与来自骨干网络在下一状态处的真实速度之间的差异，并利用停止梯度（stop-gradient）算子以防止修改骨干网络的预测目标。

3. 主要贡献

算法： 提出了 BA-solver，一种能够在仅需 5–10 步的情况下实现高保真生成的采样方法。它有效地弥合了昂贵的无需训练求解器与资源密集型的基于训练加速方法之间的鸿沟。
架构： 引入了轻量级、训练高效的 SideNet，使冻结的流匹配骨干网络具备双向时间感知能力，避免了全量模型重训的需求。
性能： 在 ImageNet-256 和 ImageNet-512 上的验证表明，BA-solver 在仅使用 10 NFE 时即可达到与 100+ NFE Euler 求解器相当的生成质量，并在 5 NFE 时仍保持高保真度。它在训练效率（在约 250 次迭代内收敛，而非数十万次）和参数效率（仅优化约 600 万参数，而非微调 6.75 亿以上参数）方面显著优于现有的基于训练的一步法。

4. 实验结果

质量 vs. NFE： 在 ImageNet-256 上，BA-solver 在 7 NFE 时实现了 1.96 的 Fréchet Inception Distance (FID)，显著优于 Flow-DPM (4.03) 和 Euler (7.56)。在 10 NFE 时，它达到了 1.72 的 FID，达到了标准 Euler 求解器需要 100+ 步的质量水平。
可扩展性： 该方法能有效扩展到 512 分辨率，在仅 7 NFE 的情况下仍能保持全局连贯性和纹理细节。
训练效率： BA-solver 仅需 250 次训练迭代 和 600 万个可训练参数 即可收敛。相比之下，竞争性的一步法（如 MeanFlow 或 iCT）需要 313,000 到 800,000 次迭代，并需微调整个骨干网络（6.75 亿+ 参数）。
图像编辑： 利用流匹配 ODE 的可逆性，BA-solver 支持在 10 NFE 内进行高质量的图像编辑（例如类间转换），这是许多僵化的单步生成方法所缺乏的能力。

5. 重要性与主张

论文声称 BA-solver 代表了生成模型加速领域的“甜点区”（sweet spot）。通过将沉重的骨干网络与加速机制解耦，它提供了一种 即插即用 的解决方案，无需承担重训大型基础模型的极高成本。

作者强调，该方法在效率与保真度之间实现了卓越的平衡。理论分析表明，双锚点机制将误差界系数降低了 2 倍，从而有效缓解了外推漂移。从经验上看，该方法通过大幅降低高质量合成所需的计算成本和能源消耗，实现了“绿色 AI”，降低了部署先进生成模型的硬件门槛。

该工作断言，虽然它加速了采样，但并未损害现有流水线的通用性，从而促进了依赖于 ODE 数学结构的下游任务（如图像编辑），而这些任务往往会被其他加速技术所破坏。