
何が起きたか
Appleの研究者がNormalizing Trajectory Models(NTM)を発表。各逆ステップを条件付きノーマライジングフローとしてモデル化し、厳密な尤度で学習する。
なぜ重要か
既存の少ステップ手法は蒸留や一貫性学習、敵対的目的に頼るが、著者によれば尤度の枠組みを犠牲にする。NTMは軌道の厳密な尤度を保ち、自己蒸留も可能にする。
誰に効くか尤度ベースの学習で高速サンプリングを重視する生成画像モデルのAI研究者やチームは、蒸留のトレードオフを回避する新たな選択肢を得る可能性がある。テキストから画像生成を評価する製品チームにとって、この手法が実用で通用すれば、4ステップサンプリングは生成コスト削減に関連し得る。
こういう要約が、毎朝あなたのメールに届きます。
拡散ベースのモデルは生成を多数の小さなガウス的ノイズ除去ステップに分割するが、生成が少数の粗い遷移に圧縮されるとこの仮定は弱まる。蒸留や一貫性学習、敵対的目的といった既存の少ステップ手法はこの圧縮に対処するが、その過程で尤度の枠組みを放棄する。
NTMは各逆ステップを表現力豊かな条件付きノーマライジングフローとしてモデル化し、厳密な尤度で学習することで、その尤度の枠組みを維持する。アーキテクチャ上、各ステップ内の浅い可逆ブロックと軌道全体にわたる深い並列予測器を組み合わせるため、ネットワーク全体をゼロからエンドツーエンドで学習でき、事前学習済みフローマッチングモデルから初期化することもできる。
軌道の厳密な尤度は自己蒸留への道も開く。モデル自体が導出するスコア関数で軽量なノイズ除去器を学習させる手法だ。著者によれば、これにより4ステップで高品質なサンプルが生成され、テキストから画像へのベンチマークではそのステップ数でNTMが強力な画像生成ベースラインに匹敵するか上回る。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
CINCは2026年10月26日、社内GEO/LLMOツールに、ChatGPTとClaudeが回答生成時に参照したページのURLを収集する機能を追加したと発表した

GitHubは10月の1週間で12億件超のコミットを記録したと発表した

AIsmileyは12月15〜16日にAIエージェント博2026を開催する

11月6日の「ネットショップ担当者フォーラム 2026 秋」最終日は、LINEヤフーと楽天グループがAIエージェント時代のEC戦略を語るセッションに加え、キッチンブランドSTOQの事例を実施

KDDIアイレットが社内のAI活用事例113件を無料公開

2026年10月29日にGoogleの渋谷オフィスで開かれたSimejiのビジネスミートアップで、Simeji事業責任者の古谷優氏が、Simeji PC AI音声入力に議事録機能を2026年11月にリリース予定と発表した
