arXiv cs.AI· Xinhao Lou, Dongye Xie, Peng Sun, Chenyi Zhuang, Kaicheng Yu, Tao Lin·· 10 小时前AI 评分38
NEXTGAN：面向图像与视频生成的简单可扩展 GAN 训练方法
NextGAN: Towards Simple and Scalable GAN Training for Image and Video Generation
AI 导读
NEXTGAN 通过在冻结表征空间中对齐参考特征与生成特征的位移来回归 critic 的输入梯度，从而训练标量 critic，可适配最高 14B 参数的预训练图像与视频生成器，无需辅助损失、在线教师分数或轨迹。
正文 · AI 翻译
摘要：对抗训练能够实现一步和少步的图像与视频生成，但传统对抗损失只监督判别器的值，并未直接指定用于更新生成器的梯度。我们提出 NEXTGAN，它通过在冻结表示空间中的插值位置上，将标量判别器的输入梯度回归到独立配对的参考特征与生成特征之间的位移，从而训练该判别器。对于固定的生成器，这种回归等价于带有梯度能量惩罚的对抗目标，而生成器仍保留标准的基于势函数的 GAN 更新。同一目标可适配参数量高达 14B 的预训练图像和视频生成器，无需辅助损失、在线教师评分或轨迹。在 ImageNet $256 \times 256$ 上，NEXTGAN 使用像素空间 JiT-B 实现一步 FID 2.87，使用潜空间 DiT-XL/1 实现 1.54；其对抗形式进一步达到 1.36。在文本到视频生成方面，单个训练好的 Wan2.1-1.3B 模型支持一步、两步和四步采样，在一步和两步下取得了所比较的 1.3B 方法中最高的 VBench 总分。在两步下，NEXTGAN 得分为 83.13，分别超过 rCM 和 AnyFlow 1.25 和 0.47 分。代码可在 此 https URL 获取。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.06270 [cs.CV] |
| （或 arXiv:2611.06270v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06270 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xinhao Lou [查看电子邮件]
[v1]
2026年11月4日星期三 10:16:06 UTC（9,244 KB）
来源：arXiv cs.AI · arxiv.org