ArticleMetadataMain page

source · 2026-04-15

ACT-Diffusion（CVPR 2024）：用对抗一致性训练把一步扩散做得更省

#near-cvpr-2025#image-generation#diffusion#efficiency#primary-source

ACT-Diffusion（CVPR 2024）：用对抗一致性训练把一步扩散做得更省

会议：CVPR 2024
发表日期：2024-06-17
资料加入日期：2026-04-15

一句话结论

这篇工作把 one-step diffusion 的质量—成本权衡推进了一步：它不是单纯追求更快采样，而是试图用对抗式分布匹配把一致性训练做得更省、更稳。

问题定义

它要解决的是扩散模型逐步去噪太慢，而现有 consistency training 虽然能把采样压到一步，却常常牺牲质量、同时又需要很大的 batch 和训练资源。对当前 wiki 来说，这篇论文补的是 diffusion efficiency 主线里非常重要的一段：如何让“一步扩散”不只是 demo，而更接近可用路线。

方法概述

ACT 的核心是在一致性训练框架里加入判别器，直接在每个时间步上最小化分布差异，从而避免单纯靠 consistency loss 累积造成的训练负担。论文从 Wasserstein / JS divergence 的角度解释为什么原始路线会越训越贵，并把改进落在一个更资源友好的训练目标上。

关键发现

  • 它说明扩散效率路线不只是在推理时做缓存或蒸馏，也可以在训练目标层直接改写成本结构。
  • 它把 one-step diffusion 从“快但质量差”往前推进，补强了 topics/diffusion-models 里的一步式/少步式扩散分支。
  • 它和 sources/2026-04-15-deepcache 形成很好的对照：前者改训练，后者改推理，两者都说明效率问题正在从不同层被系统性拆解。

局限或疑问

  • 它的主要证据还是标准图像生成 benchmark，对复杂编辑和长视频场景的迁移性还不清楚。
  • 判别器引入后是否会带来新的训练脆弱性，需要和更大规模设置一起看。
  • 一步扩散的速度优势能否在更高分辨率、更多控制条件下保持，仍需继续验证。

原始链接

  • https://openaccess.thecvf.com/content/CVPR2024/html/Kong_ACT-Diffusion_Efficient_Adversarial_Consistency_Training_for_One-step_Diffusion_Models_CVPR_2024_paper.html
  • https://openaccess.thecvf.com/content/CVPR2024/papers/Kong_ACT-Diffusion_Efficient_Adversarial_Consistency_Training_for_One-step_Diffusion_Models_CVPR_2024_paper.pdf

相关页面

备注

它在本库里的位置很像“训练侧效率路线”的代表点：如果以后要比较扩散系统为什么会变快，ACT-Diffusion 很适合和蒸馏、缓存、采样步长优化三类方法并读。

Metadata

{
  "id": "2026-04-15-act-diffusion",
  "type": "source",
  "title": "ACT-Diffusion（CVPR 2024）：用对抗一致性训练把一步扩散做得更省",
  "status": "reviewed",
  "created": "2026-04-15",
  "updated": "2026-04-15",
  "venue": "CVPR 2024",
  "ingested_at": "2026-04-15",
  "tags": [
    "near-cvpr-2025",
    "image-generation",
    "diffusion",
    "efficiency",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Fei Kong",
    "Jinhao Duan",
    "Lichao Sun",
    "Hao Cheng",
    "Renjing Xu",
    "Hengtao Shen",
    "Xiaofeng Zhu",
    "Xiaoshuang Shi"
  ],
  "published_at": "2024-06-17",
  "canonical_links": [
    "https://openaccess.thecvf.com/content/CVPR2024/html/Kong_ACT-Diffusion_Efficient_Adversarial_Consistency_Training_for_One-step_Diffusion_Models_CVPR_2024_paper.html",
    "https://openaccess.thecvf.com/content/CVPR2024/papers/Kong_ACT-Diffusion_Efficient_Adversarial_Consistency_Training_for_One-step_Diffusion_Models_CVPR_2024_paper.pdf"
  ],
  "raw_entry": "raw/ingest/2026-04-15-act-diffusion/",
  "topics": [
    "topics/image-generation",
    "topics/diffusion-models"
  ],
  "entities": [],
  "claims": [],
  "questions": []
}