aigcbar - null

NeurIPS 2025重磅：华南理工EVODiff重构扩散模型，质量效率双SOTA解读

type
status
date
slug
summary
tags
category
icon
password
网址
notion image
在AIGC时代，扩散概率生成模型（Diffusion Models）无疑是图像与视频生成领域的基石，从Stable Diffusion的惊艳画作到Sora的震撼视频，背后都离不开这一技术的支撑。然而，扩散模型长期面临着推理速度慢、计算成本高以及优化困难等核心痛点。为了获得高质量的生成结果，往往需要数十甚至上百步的迭代去噪，这在追求实时性的应用场景中成为了巨大的瓶颈。
近日，华南理工大学曾德炉教授团队在AI顶级会议NeurIPS 2025上发表了一篇重磅论文——EVODiff。该研究跳出了传统数值求解器的思维定式，首次从信息感知的视角，将去噪过程重构为实时熵减优化问题。这一突破性成果不仅在理论上证明了数据预测优于噪声预测，更在无需参考轨迹的情况下，实现了生成质量和推理效率的双重SOTA（State of the Art）。作为关注前沿科技的AI资讯平台，本文将深入解读这项可能改变未来生成模型设计范式的重要研究。

痛点直击：推理效率与理论解释的“双重困境”

长期以来，扩散模型在实际应用中面临着“鱼与熊掌不可兼得”的矛盾：想要减少推理步数（提速），画质往往会崩坏；想要高质量画质，就必须忍受漫长的生成时间。为了解决这一问题，业界提出了众多基于微分方程（ODE）的加速求解器，如DPM-Solver等。
然而，现有的加速方法存在两个显著缺陷：
  1. 缺乏本质解释：许多方法更像是“数值近似技巧”，虽然能跑通，但缺乏对扩散过程物理本质的深刻理解。例如，为什么某些参数化方法效果更好？我们到底在优化什么？
  1. 依赖参考轨迹：目前许多SOTA算法（如LD3, DPM-Solver-v3）依赖于高成本的“参考轨迹”进行蒸馏或优化。这意味着在生成前，需要先跑一遍高精度的路径作为“标准答案”，这不仅增加了巨大的计算开销，也限制了模型的泛化能力。
EVODiff的出现，正是为了打破这一僵局。它不再修补ODE的数值误差，而是回归到了物理本源——熵（Entropy）。

回归本源：熵减视角下的去噪重构

EVODiff的核心洞察极为深刻：扩散模型的去噪过程，本质上是一个不断减少不确定性、恢复信息的过程。
在物理学中，熵代表系统的混乱程度。前向扩散是加噪（熵增），反向去噪则是从混乱中恢复秩序（熵减）。华南理工团队利用这一物理特性，构建了一个全新的理论框架。
更令人振奋的是，该团队在数学上严格证明了一个长期存在的经验性结论：在推理生成过程中，数据预测（Data Prediction）优于噪声预测（Noise Prediction）。
这一发现与MIT何恺明团队最新的JiT架构核心观点不谋而合。何恺明团队指出，自然数据位于低维流形上，而噪声弥漫于高维空间，因此直接预测干净数据比预测噪声更容易。EVODiff则从信息论角度，通过数学推导证明了“数据预测参数化”能更直接地最小化重建误差，并有效降低条件熵。这为未来大模型的设计提供了坚实的理论支撑。

核心突破：免参考的自适应方差优化

EVODiff不仅仅停留在理论层面，它提出了一套名为“熵感知方差优化”（Entropy-aware Variance Optimization）的实战框架。其核心优势可以概括为“三板斧”：
  1. Reference-free（免参考）：与依赖预计算轨迹的方法不同，EVODiff完全基于在线计算。它利用当前迭代步骤的状态差异，动态调整方差。这意味着它没有额外的训练成本，做到了真正的“即插即用”。
  1. 闭式解（Closed-form Solution）：团队推导出了方差优化目标的闭式解，这意味着获得最优参数几乎不消耗额外的计算资源。实验显示，其推理速度甚至略快于DPM-Solver++。
  1. 普适性（Universality）：无论是像素空间的传统模型，还是目前主流的隐空间扩散模型（如Stable Diffusion），EVODiff都能无缝适配。
通过这种机制，EVODiff确保了每一步推理都走在最高效的收敛路径上，实现了从“盲目求解”到“智能导航”的跨越。

性能实测：质量与效率的全面碾压

在NeurIPS 2025的评审中，EVODiff展现出的数据令人印象深刻，全面超越了依赖参考轨迹的竞品方法。
  • CIFAR-10上的降维打击：在极低步数（NFE=10）下，EVODiff的FID指标达到2.78，相比基准DPM-Solver++（FID 5.10），生成错误率降低了惊人的45.5%。
  • 高分辨率生成的稳健性：在ImageNet-256任务中，达到同样的SOTA画质，EVODiff仅需15步，比传统方法快了25%。
  • 工业级模型的完美适配：在Latent Diffusion Model（如Stable Diffusion底层架构）测试中，EVODiff在LSUN-Bedrooms数据集上，5步推理下的FID分数提升了43.4%。
在视觉效果上，EVODiff更是解决了低步数推理常见的“伪影”噩梦。例如在生成“宇航员骑马”的图像时，传统方法容易生成出“五条腿”的马或扭曲的肢体，而EVODiff生成的图像结构严谨、光影自然，展现了极高的语义对齐度。

结论与展望

华南理工大学团队提出的EVODiff，标志着扩散模型推理研究进入了一个由理论驱动的新阶段。它证明了只要从熵感知和信息流优化的角度去理解去噪过程，就能设计出既高效又高质量的生成范式，而无需依赖昂贵的参考轨迹或复杂的数值技巧。
随着AGI技术的不断发展，类似EVODiff这样回归数学本源、解决核心计算瓶颈的研究，将为未来的实时生成应用（如实时视频生成、端侧大模型推理）铺平道路。想要了解更多关于人工智能、LLM及前沿技术的深度报道，请持续关注AINEWS。
Loading...

没有找到文章