**Z-Image Turbo++:通过教师对齐的端到端蒸馏实现高保真两步图像生成**

_High-Fidelity Two-Step Image Generation via Teacher-Aligned End-to-End Distillation_

> 本文提出 Z-Image Turbo++，一种从八步 Z-Image Turbo 教师模型蒸馏得到的高质量两步图像生成模型。针对两步生成中任务难度大、模型容量有限的核心挑战，设计了三项针对性策略：分布对齐对抗学习，用教师生成图像替代真实图像作为 GAN 的真实样本；步骤解耦参数化，为两个去噪步骤分配独立参数；端到端训练与迭代正则化，使第一步接收最终图像质量的梯度，同时通过显式第一步损失保持有意义的中间生成。这些设计显著缩小了两步与八步生成在质量和定量指标上的差距。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.12575)