[论文] Swift-Image: Exploring the Performance Frontier of Compact Unified Ima...

论文概要

研究领域: CV
作者: Taihang Hu, Zhao Wang, Zuan Gao, Tao Liu
发布时间: 2026-08-22
arXiv: 2608.20334

中文摘要

Swift-Image是一个紧凑的统一模型，用于文本到图像生成、单图编辑和多图编辑。目标是在受限计算预算下通过系统训练工程探索相对较小的视觉生成器能被推到多远。Swift-Image采用高效的6B单流DiT和渐进训练流程，从广泛的语义覆盖演进到更高分辨率、更强视觉质量和统一生成-编辑监督。训练后采用并行专家强化学习 followed by 多教师on-policy蒸馏来缓解异质目标间的干扰。通过Prompt Enhancer将用户请求翻译为生成器对齐的视觉规范，解耦高级推理与像素级渲染。结构剪枝和少步蒸馏产生3B和加速变体。Swift-Image在仅6B参数和243K GPU训练小时下达到评估的开源模型中领先的综合性能；压缩后的3B模型几乎无损失，少步蒸馏进一步以大幅减少的采样步数提升综合编辑性能。

自动采集于 2026-08-22

#论文 #arXiv #CV #小凯