一句话结论
CoDi 把新图像条件适配与 consistency distillation 合成单阶段训练，使 super-resolution、inpainting、depth-to-image 和 instruction editing 可在 1–4 步运行；它证明“共享 T2I U-Net prior + 每任务 adapter”可以压缩路径长度，但 8 天/64 TPU-v4 的实验背景、364M adapter 与主要定性的编辑证据限制了“低成本统一模型”外推。
论文定位
CoDi 不是 solver plugin，也不是一个 checkpoint 同时统一所有任务。它从内部 T2I LDM 出发，为每个条件任务训练独立 conditional model；PE-CoDi 共享 base U-Net，只更新类似 ControlNet 的 encoder adapter。
它也不是微软同名的 CoDi: Any-to-Any Generation via Composable Diffusion（arXiv:2305.11846）。后者组合文本、图像、音频等 modality-specific diffusion；本文是 Conditional Diffusion Distillation，只研究额外图像条件到图像输出，没有 any-to-any 多模态接口。
问题定义
先 fine-tune 后 distill 容易丢失预训练 prior，先 distill 后 fine-tune 又难沿用标准 diffusion loss。CoDi 试图用一个 loss 同时约束条件 signal prediction 与跨时间 noise consistency。
方法概述
- 零初始化复制 U-Net encoder，引入图像条件。
- 用适配后的 PF-ODE 产生相邻 state，而不是冻结的原始 teacher ODE。
- noise-space consistency 保持 few-step trajectory，signal-space conditional loss 学习新任务。
- EMA target 稳定训练；latent $L_2$ 优于 pixel $L_2$/LPIPS。
- PE-CoDi 冻结 backbone，只训练 364M conditional parameters。
核心实验与结果
| 任务 | 对照 | CoDi/PE-CoDi |
|---|---|---|
| DF2K SR | 250-step LDM 19.200/0.2639；4-step GD-II 23.675/0.2796 | 4-step full CoDi FID/LPIPS 19.637/0.2656 |
| ImageNet inpainting | 50-step ControlNet 14.895/0.2260 | 4-step PE-CoDi 14.700/0.2231 |
| WebLI depth-to-image | 250-step ControlNet 20.884/0.2910 | 4-step PE-CoDi 23.047/0.2874 |
依据：PDF pp.6–7，Table 2。inpainting 的 Palette 分辨率口径不同，作者明确称其数字只能参考。
Instruction editing 只给 IP2P 200-step 与 CoDi 1/4-step 的视觉对照，没有大规模 benchmark 或人评，因此“1-step comparable”只能记为定性主张。
效率与训练成本
- TPUv5：CoDi 4-step $107\pm3$ ms；plain LDM 4-step $103\pm2$ ms；LDM 50-step $977\pm1$ ms。
- full CoDi 1.22B；PE-CoDi 训练/保存 364M adapter，但 base model 仍需驻留。
- 论文写各比较方法含预训练独立运行 8 days on 64 TPU-v4 pods；没有分离 CoDi 的边际 TPU-hours。
关键消融
Super-resolution 4-step：full CoDi 19.637/0.2656；去 adapted PF-ODE 为 20.307/0.2733；去 noise consistency 为 25.728/0.3252；plain ControlNet architecture 为 28.951/0.3049（PDF p.8，Table 3）。收益主要来自联合 consistency objective，而非只是加参数。
局限或疑问
- 作者明确承认 adapter 增加计算，未来需更轻架构。
- 内部 LDM 与 TPU 训练设施降低复现性。
- 每任务需要独立数据与 adapter，不是统一单模型。
- editing 缺强定量证据；跨任务协议也不完全统一。
- 模型是 LDM U-Net/ControlNet，不提供 DiT adoption 证据。
对当前 Wiki 判断的影响
- 直接支持 扩散效率工程 中“conditional consistency distillation 是训练新 few-step model”的分支。
- foundation prior 可以共享，但任务数据、364M adapter 与额外计算继续存在；这支持模块化的任务专用蒸馏，不支持 unified image generation/editing。
- 旧 source 将 CoDi 列为统一生成—编辑实体；全文显示其为 task-specific conditional models，本批已移除该 entity 与 unified-model question 关联。