继今年5月提出MeanFlow (MF) 之后，何恺明团队于近日推出了最新的改进版本—— Improved MeanFlow (iMF) ，iMF成功解决了原始MF在训练稳定性、指导灵活性和架构效率上的三大核心问题。 其通过将训练目标重新表述为更稳定的瞬时速度损失，同时引入灵活的无分类器指导（CFG）和高效的上下文内条件作用，大幅提升了模型 性能。 在ImageNet 256x256基准测试中，iMF-XL/2模型在 1-NFE（单步函数评估）中取得了1.72的FID成绩，相较于原始MF提升了50%，证明了 从头开始训练的单步生成模型可以达到与多步扩散模型相媲美的结果。 | config | depth | width | # params | Gflops | FID ↑ | IST | | --- | --- | --- | --- | --- | --- | --- | | MF-B/2 | 12 | 768 | 131M | 23.1 | 6.17 | 208.0 | | MF-M/2 | 16 | 1024 | 308M | 54.0 | 5.01 | 252.0 | | MF-L/2 | 24 | ...