何恺明带大二本科生颠覆扩散图像生成：扔掉多步采样和潜空间，一步像素直出

背景：扩散模型生成图像通常依赖多步采样和潜空间编码，这些方法虽然有效但增加了计算复杂度和开销。研究目的：何恺明团队提出Pixel Mean Flow（pMF）方法，旨在简化图像生成过程，通过扔掉多步采样和潜空间，实现一步直接在像素空间生成图像。结论：pMF在ImageNet 256×256和512×512分辨率上分别达到2.22和2.48 FID，超越了同类方法，并大幅降低计算量，证明了单步无潜空间生成的可行性，鼓励未来对端到端生成建模的探索。