Duality Models: Einfache One-Step-Generierung mit neuer Dual-Output-Strategie

In der Welt der generativen Modelle hat ein neues Konzept namens Duality Models (DuMo) die Aufmerksamkeit auf sich gezogen. Während herkömmliche Ansätze wie Shortcut und MeanFlow auf einer target‑aware Strategie basieren, die zwischen lokalen Mehrschritt‑Ableitungen und globalen Few‑Step‑Integralen balanciert, führt DuMo einen radikalen Paradigmenwechsel ein: „Ein Input, Dual Output“. Durch die gemeinsame Basis mit zwei Ausgabeköpfen – Velocity und Flow‑Map – kann das Modell gleichzeitig die Geschwindigkeit und die Flusskarte aus einem einzigen Bildschritt vorhersagen.

Dieser Ansatz nutzt geometrische Beschränkungen aus dem Mehrschritt‑Ziel für jedes Sample, wodurch die Few‑Step‑Schätzung ohne Aufteilung des Trainingsbudgets verbessert wird. Das Ergebnis ist eine deutlich höhere Stabilität und Effizienz, da das Modell nicht mehr gezwungen ist, einen großen Teil der Ressourcen ausschließlich dem Mehrschritt‑Ziel zu widmen. Dadurch wird die Unterausbildung der Few‑Step‑Generierung vermieden, die bisher die Konvergenz und Skalierbarkeit beeinträchtigt hat.

Die Wirkung von DuMo zeigt sich bereits auf ImageNet 256 × 256: Ein 679‑Millionen‑Parameter Diffusion Transformer in Kombination mit einem SD‑VAE erzielt einen beeindruckenden FID‑Wert von 1,79 – und das in nur zwei Schritten. Der Code ist öffentlich zugänglich und eröffnet damit Forschern und Entwicklern die Möglichkeit, die Vorteile dieses neuen Modells unmittelbar zu nutzen.