导读
Consistency Models研究单步或少步生成，既可蒸馏已有扩散模型，也可独立训练，为后来的实时与交互式图像生成提供方法背景。
查看大图 ↗图1：把同一概率流轨迹上的点映射到同一数据端点的示意。 来源为v2，图像版本与论文首次公开日分别记录。
Song, Yang; Dhariwal, Prafulla; Chen, Mark; Sutskever, Ilya · original paper / arXiv · 原论文图文与所引作品权利归各自权利人；研究引用不代表开放授权，转载权利待独立复核。
资料出处 · Consistency Models ↗档案研究说明
Consistency Models研究单步或少步生成，既可蒸馏已有扩散模型，也可独立训练，为后来的实时与交互式图像生成提供方法背景。
ANTI-AI ARCHIVE · 修订 2026-10-03
论文研究了什么
论文提出直接从噪声到数据的映射，同时保留以多步采样换取质量的选择。它区分从扩散模型蒸馏与独立训练两条路径，并展示无需为每项任务专门训练的编辑应用。
本节依据: 一致性模型：从噪声直接映射到数据
与生成艺术史的关系
编者解释：如果生成等待缩短，创作中的观看、修改和再生成节奏也可能改变。把本条与LCM并读，有助于说明一个理论方法如何进入不同分辨率和工具环境。
本节依据: 一致性模型：从噪声直接映射到数据
阅读边界与版本
单步采样不等于任何设备上的实时运行，也不代表所有任务都保持多步模型的质量。
本节依据: 一致性模型：从噪声直接映射到数据
正文引用资料
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
Consistency Models：对照MeanFlow：通过平均速度学习单步生成的方法、控制或评价条件。
Consistency Models：对照潜在一致性模型的方法、控制或评价条件。
Consistency Models：对照SDXL Turbo的方法、控制或评价条件。
日期与版本记录
节点标注日期：2023-03-02 · 来源记录的历史日期：2023-03-02
时间线采用arXiv首次公开日，不以会议发表、模型上线或2026-10-03补录日替代。正文及图像参照v2；该版日期见原文版本记录。
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
出处、翻译与核验状态
档案节点 #221 · 研究论文首次公开；方法、评估与制作条件
研究资料与补充出处 · 1
2022年以来重要论文补录与去重资料 · 核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 · 015
原记日期: 2023-03-02
一致性模型：从噪声直接映射到数据 ↗
Consistency Models
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
已按条目所列范围核读官方资料；核读范围与待复核事项见来源说明。
引用本节点
ANTI-AI ARCHIVE. 一致性模型：从噪声直接映射到数据. 艺术史节点 #221. https://salondesrefuses.cn/zh/art-history/338
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。