近年、少数ステップ拡散蒸留技術は画像生成分野で著しい進歩を遂げ、4〜8ステップでの高品質生成が徐々に成熟してきました。しかし、生成ステップ数をさらに2ステップにまで削減することは、タスクの難易度上昇とモデル容量の制限という大きな課題に直面しています。この問題に取り組むため、Dongyang Liuら9名の著者による新たな論文（arXiv:2606.12575、2026年6月10日投稿）では、8ステップのZ-Image Turbo教師モデルから蒸留された高品質2ステップ画像生成モデルZ-Image Turbo++が提案されました。このモデルは、3つのシンプルながら効果的な設計戦略により、高忠実度を維持しつつ生成時間を大幅に短縮します。
第一に、分布整合敵対的学習（Distribution-Aligned Adversarial Learning）では、外部の実画像ではなく教師モデルが生成した画像をGAN訓練の実サンプルとして使用します。この手法は、より達成可能で情報量の多い敵対的目標を提供し、実画像の分布不一致の問題を回避しながら教師モデルの知識を最大限活用することで、2ステップ生成が敵対的訓練において教師出力に正確に近づくことを可能にします。
第二に、ステップ分離パラメータ化（Step-Decoupled Parameterization）では、2つのノイズ除去ステップに独立したモデルパラメータを割り当てます。各ステップに必要な容量は異なり（最初のステップはより強力な意味理解、2番目のステップは細部の修復が求められる）、独立したパラメータによりそれぞれのタスクに柔軟に適応し、全体的な生成品質が向上します。
第三に、反復正則化付きエンドツーエンドトレーニング（End-to-End Training with Iterative Regularization）では、最初のステップが最終画像品質からの勾配を直接受け取るとともに、明示的なステップ1損失を通じて意味のある中間生成結果を保持します。この設計により、トレーニング全体の一貫性が保たれ、従来の蒸留で見られる段階的な訓練による誤差蓄積が回避されます。
実験結果は、Z-Image Turbo++が定性的・定量的評価の両方で2ステップと8ステップ生成の品質差を大幅に縮小し、一部の指標では8ステップに迫る性能を示しています。この研究は、注意深く調整された蒸留戦略が少数ステップ生成における品質と効率のトレードオフを改善する大きな可能性を示すとともに、リアルタイム画像生成などの実用的応用に新たな可能性を開くものです。本論文はコンピュータビジョンとパターン認識（cs.CV）分野に投稿され、広く注目を集めています。