知识卡片：InstantFusion：异构图像生成器的共享隐空间接口

一句话结论

InstantFusion 提出一种轻量级共享隐空间接口，通过模型专属的 Latent AutoEncoders（LAEs）在异构扩散/流模型之间转换中间去噪状态，使去噪过程能在冻结的生成器之间无缝切换，而无需为每一对模型单独训练映射。

事件概述或研究问题

扩散/流模型已成为图像生成的事实范式，模型家族日趋多样，架构与表示日益异构。但其隐表示的跨模型对齐、去噪动态的一致性仍研究不足。本文关注的问题是：独立训练的异构生成器之间是否存在可利用的兼容性，能否构建一个通用接口连接它们的去噪轨迹。

方法/产品要点

• 观察发现：独立训练的生成器表现出相似的隐空间组织结构；即使模型间未对齐，直接传递中间状态仍能保留粗略的视觉内容。
• 提出 InstantFusion：一个轻量级共享隐空间接口，连接异构图像生成器的去噪轨迹。
• 引入模型专属的 Latent AutoEncoders（LAEs），将不同生成器的中间状态投影到共享隐空间，再解码到目标生成器的隐空间，从而实现灵活的跨模型状态翻译。
• 共享空间由两个互补目标约束：（1）对齐同一图像在匹配噪声水平下的中间状态；（2）同步其对应的局部去噪速度。
• 训练完成后，去噪过程可在冻结的生成器之间无缝过渡，无需为每个模型对建立专用映射。

主要结果或产业意义

论文声称在加速、多偏好组合、跨架构 on-policy 蒸馏、跨模型组合等场景中验证了 InstantFusion 的通用性，并在这些设置下取得有竞争力的表现（具体指标待核实）。

为什么重要

现有跨模型组合或蒸馏通常需要成对的专用映射，随模型数量增长成本迅速膨胀。InstantFusion 以“共享隐空间 + 模型专属编解码器”的方式解耦模型对依赖，若能成立，可降低异构生成器复用的工程成本，为加速、偏好组合与跨架构蒸馏提供统一接口。相对已有卡片中聚焦单模型风格迁移（AnyStyle）、测试时一致性优化或个性化评估（PIPBench）的工作，本条关注的是异构生成器之间的轨迹级互通，属于不同的技术脉络。

局限与不确定性

• 论文的具体实验设置、基线对比与数值结果无法从摘要确认，待核实。
• 共享隐空间在极端异构架构（如不同分辨率、不同隐维度）下的适用边界待核实。
• 训练 LAEs 所需的数据规模、算力与收敛条件待核实。
• “有竞争力的表现”为论文自述，缺少第三方复现验证。

可用于图书/PPT/简报的角度

• 把“跨模型隐空间兼容性”作为扩散模型表示对齐的一个新观察点。
• 用“共享接口 + 模型专属适配器”类比软件工程中的中间层抽象，解释异构系统互操作思路。
• 讨论多模型组合（multi-preference composition）与跨架构蒸馏的通用基础设施需求。
• 与模型对专用映射方案对比，说明接口设计对扩展性的影响。

原始材料

• 标题：InstantFusion: A Shared Latent Interface for Heterogeneous Image Generators
• arXiv ID：2610.13944v1
• 作者：Xuanlang Dai, Jiazi Bu, Yujie Zhou, Yuhong Liu, Beichen Zhang, Penghui Yang, Ziyu Liu, Yuhang Zang
• 发布时间：2026-10-09T17:59:04Z
• 主分类：cs.CV
• Abstract URL：https://arxiv.org/abs/2610.13944v1
• PDF URL：https://arxiv.org/pdf/2610.13944v1
• 关键词：Diffusion models, Flow models, Shared latent interface, Latent AutoEncoders, Cross-model alignment, Denoising trajectories, Heterogeneous image generators