人工智能初創公司Luma近日在X平台上發布了一項名為Inductive Moment Matching（IMM）的開源圖像模型預訓練技術。這一技術以其高效性和穩定性在生成式AI領域引起了廣泛關注，被視為該領域的一次重大突破。
據X用戶linqi_zhou介紹，IMM是一種全新的生成範式，能夠通過單模型和單一目標實現從零開始的穩定訓練。與傳統方法相比，IMM在採樣效率和样本質量上表現更為出色。他在帖子中提到：“IMM在ImageNet256×256數據集上僅用8步就達到了1.99FID，而在CIFAR-10上僅用2步就達到了1.98FID。”這一成績不僅刷新了行業標準，也展示了IMM在圖像生成領域的巨大潛力。
與目前主流的擴散模型相比，IMM在保持更高樣本質量的同時，將採樣效率提升了10倍以上。 X用戶op7418進一步解釋了IMM的技術原理：傳統擴散模型由於線性插值和多步驟收斂的限制，效率較低，而IMM通過在推理過程中同時處理當前時間步和目標時間步，顯著提升了靈活性。這種“推理優先”的設計使得模型能夠以更少的步驟生成高質量圖像，從而突破了擴散模型的算法瓶頸。
此外，IMM在訓練穩定性方面也優於Consistency Models（一致性模型）。 op7418指出，一致性模型在訓練過程中容易出現不穩定的動態，而IMM則展現出更強的魯棒性，能夠適應多種超參數和模型架構。這一特性使得IMM在實際應用中更加可靠。
Luma此次開源IMM的舉措獲得了社區的高度評價。 X用戶FinanceYF5評論道：“Luma Labs推出的IMM技術，比現有方法提高了10倍的圖像生成效率，成功突破了擴散模型的算法瓶頸！”他還附上了相關技術介紹的鏈接，引發了更多用戶的討論。 IMM的代碼和檢查點已通過GitHub公開，技術細節也在相關論文中詳細闡述，充分體現了Luma推動AI研究開放性的決心。
IMM的性能數據進一步證明了其領先地位。在ImageNet256×256數據集上，IMM以1.99FID超越了擴散模型（2.27FID）和Flow Matching（2.15FID），且採樣步驟減少了30倍。在CIFAR-10數據集上，IMM僅用2步採樣就達到了1.98FID，創下了該數據集的最佳紀錄。 op7418還提到，IMM的計算擴展性極佳，隨著訓練和推理計算量的增加，性能持續提升，為未來更大規模的應用奠定了基礎。
業界普遍認為，IMM的開源可能會引發圖像生成技術的範式轉變。憑藉其高效、高質和穩定的特性，IMM不僅適用於圖像生成，還可能擴展至視頻和多模態領域。 Luma團隊表示，IMM只是邁向多模態基礎模型的第一步，他們希望通過這一技術解鎖更多創造性智能的可能性。
隨著IMM的發布，Luma在全球AI競賽中的地位愈發凸顯。這一技術的廣泛應用前景及其對現有模型的顛覆性影響，預計將在未來數月內持續引發熱議。