算子合併

深度分析

以算子合併解析路徑蒸餾：DDIM、信號縮減與動態規劃的最適策略

擴散模型因多步去噪而能生成高品質樣本，但採樣步數長、速度慢。本文把路徑蒸餾（trajectory distillation）在線性範疇重寫為算子合併問題：將教師模型每一步視為對含噪資料的投影與縮放算子，學生模型透過合併這些算子以壓縮整個逆向路徑。