DMAD
En träningsmetod som gör bild- och videogeneratorer så snabba att de klarar sig med fyra steg i stället för femtio, med bibehållen bild- och ljudkvalitet.
- Videogenerering
- Bildgenerering
- Musik & ljud
1 / 9Bild från SDXL med fyra steg [1]
Om DMAD[1][2][4][5]
DMAD (Distribution Matching as Adversarial Distillation) är ett forskningsprojekt om destillering, alltså att lära en snabb "elevmodell" att efterlikna en långsam "lärarmodell". Bild- och videogeneratorer bygger normalt upp sina resultat i många steg, ofta femtio eller fler, vilket tar tid och kräver mycket beräkningskraft. DMAD lär eleven att göra samma sak på några få steg.
Metoden kombinerar två vanliga sätt att destillera: att matcha fördelningen av lärarens resultat och att använda en granskare (diskriminator) som försöker skilja äkta från genererat material. I DMAD har granskaren ett gemensamt nätverk med två huvuden. Lärarens, elevens och riktiga exempel brusas och klassificeras, och skillnaderna används för att vikta hur eleven ska förbättras.
Forskarna har tillämpat metoden på flera modeller: MiniMax-H3 (33 miljarder parametrar, som gör video med ljud), Wan2.1-T2V (1,3 och 14 miljarder parametrar), SDXL och en EDM-modell för små ImageNet-bilder. Med MiniMax-H3 blir det fyra steg i stället för femtio, för video i 1344x768 med stereoljud. Enligt forskarna föredrog mänskliga bedömare DMAD:s MiniMax-H3-videor framför de jämförda metoderna DMD2 och rCM.
Arbetet kommer från Texas A&M University tillsammans med ByteDance. Koden finns på GitHub under Apache 2.0, och vikterna på Hugging Face, där MiniMax-H3-delen följer MiniMax-H3:s egen licens. Det finns också färdiga ComfyUI-arbetsflöden som enligt forskarna klarar 5 sekunders video på grafikkort med 8 GB minne.
Det viktigaste[7][1][4]
- Obs: när den används tillsammans med MiniMax H3 gäller H3-licensen, som inte gäller i EU, Storbritannien, Sydkorea eller USA utan en separat licens från MiniMax.
- Gör video med ljud från MiniMax-H3 på fyra steg i stället för femtio.
- Fungerar på flera sorters modeller: video med ljud (MiniMax-H3), video (Wan2.1) och bilder (SDXL, EDM).
- Enligt forskarna föredrog mänskliga bedömare DMAD i 84,6 % av fallen mot rCM och 79,1 % mot DMD2 (oavgjorda borträknade).
- Enligt forskarna 85,15 på VBench för Wan2.1-T2V-14B med fyra steg och FID 14,47 för SDXL med fyra steg.
- Färdiga ComfyUI-arbetsflöden; enligt forskarna räcker ett grafikkort med 8 GB minne för 5 sekunders video.
- Kod under Apache 2.0, vikter på Hugging Face under grundmodellernas licenser.
Källor
- [1] DMAD: Distribution Matching as Adversarial Distillation for Fast Visual Generation ↗Texas A&M University och ByteDance Officiell sida yzmblog.github.ioPublicerad okänt datum Läst 25 okt 2026
- [3] DMAD: Distribution Matching as Adversarial Distillation for Fast Visual Generation ↗GitHub (Yzmblog) Officiell sida github.comPublicerad okänt datum Läst 25 okt 2026
- [7] MiniMax H3 Community License Agreement ↗MiniMax Officiell sida huggingface.coPublicerad okänt datum Läst 25 okt 2026
- [5] Gemini 4 Argon, GPT 6.1 Sol, Dots, Claude Sonnet 5.5, Flux 3: AI NEWS ↗AI Search Nyhetsbrev aisearch.substack.comPublicerad 4 okt 2026 Läst 25 okt 2026
- [6] Gemini 4, GPT 6.1, Plasma conjecture, Napoleon code solved, OpenAI Dots, Claude Sonnet 5.5: AI NEWS ↗AI Search Video youtube.comPublicerad 3 okt 2026 Läst 25 okt 2026
- [4] DMAD: Distribution Matching as Adversarial Distillation for Fast Visual Generation ↗Hugging Face (ZhengmingYu) Modellkort huggingface.coPublicerad 2 okt 2026 Läst 25 okt 2026
- [2] DMAD: Distribution Matching as Adversarial Distillation for Fast Visual Generation ↗arXiv Forskningsartikel arxiv.orgPublicerad 1 okt 2026 Läst 25 okt 2026
Historik
Vår bedömning
Inte bedömd än. Alla kan ändra.
Kommentarer
Inga kommentarer än. Skriv gärna vilket projekt den kan passa i.