Los pasos de muestreo con igual ángulo de giro redujeron entre un 30 % y un 43 % el error de un modelo de flujo

Cada paso de un modelo de flujo al generar una imagen cuesta una pasada completa por una red grande. Por eso todos quieren menos pasos con la misma calidad, y la cuestión principal es dónde colocarlos. El autor de un estudio publicado en Habr probó una idea atractiva: sacar una pista de lo que el muestreador ya calcula gratis. La idea sobrevivió solo a medias, y la segunda mitad resultó más práctica que la primera.

Una señal gratuita y lo que ve

Un muestreador multipaso como el de Adams-Bashforth guarda la velocidad anterior. El coseno entre la velocidad antigua y la nueva no requiere llamadas adicionales a la red. Si se acerca a 1, la trayectoria es casi recta y se puede aumentar el paso. Si la dirección cambia bruscamente, conviene fragmentar el paso.

La señal tiene un punto ciego: el coseno detecta el giro de la velocidad, pero no el cambio de su longitud. En Anima, esto apenas importa en la parte central de la trayectoria, donde la longitud aporta un 0,3–0,4 % de la energía de aceleración. En los extremos, la aportación de la longitud sube hasta el 8–9 %, y en algunos puntos hasta el 23 %.

La estimación del error de un paso de Euler, E = (h/2)·|v|·θ, donde θ es el ángulo entre velocidades vecinas, funciona bien. Su cociente mediano respecto al error real es del 80–84 %, y la correlación entre unidades (combinaciones de prompt y semilla) alcanza el 91–92 %. Solo hace falta una constante de calibración.

También hay un suelo de ruido. En bf16 con classifier-free guidance, el ángulo entre cálculos consecutivos de la velocidad fluctúa en torno a 1,7°. Es redondeo, no rugosidad del flujo. Un controlador que apunte a un ángulo por debajo de ese suelo colapsa hacia el paso mínimo.

El controlador perdió, la rejilla ganó

Con el mismo número de llamadas, el controlador adaptativo h_next = h · (ángulo_objetivo / ángulo_medido) resultó peor que el calendario estándar. El error no dependía del ángulo objetivo, sino del paso inicial: 0,80 con un paso de 0,06, 0,51 con 0,02 y 0,26 con 0,01. La razón es que en el primer paso no hay historial, así que el controlador va a ciegas justo donde la curvatura es máxima.

Entonces el autor construyó de antemano una rejilla estática. Promedió el ritmo de giro de la velocidad en las otras 11 unidades y colocó los pasos de modo que el ángulo de giro fuera igual en cada uno. Después ejecutó un Euler normal.

Resultado: el error respecto a la solución convergida es entre un 30 % y un 43 % menor con 8, 12, 16 y 24 llamadas, en comparación con el calendario estándar de ComfyUI. Si se añade el perfil de propagación del error (un error temprano pesa al final unas cuatro veces más), la mejora llega al 41–50 %. Con eso, 8 llamadas dan menos error que el calendario estándar con 24. En un prompt con un rostro, la rejilla alcanza la composición de referencia ya en 8 pasos, mientras que el calendario estándar dibuja otra distinta.

Adaptar la rejilla a una imagen concreta no aportó nada. Una rejilla obtenida de una imagen y aplicada a otra dio el mismo error. Es decir, la mejora proviene de la forma de la rejilla, no del ajuste a la trayectoria.

Dónde falla

La métrica cambia el panorama. Según LPIPS, la rejilla gana entre un 30 % y un 35 % y vence en 9–11 de las 12 unidades. En rellenos planos, rostros y mallas geométricas, LPIPS es entre un 39 % y un 48 % menor. Pero en un prompt de textura (pelaje), LPIPS es un 16 % peor aproximadamente, aunque la distancia en el espacio latente mejoró. La rejilla coloca los pasos pronto, donde se decide la composición, y pocos al final, donde aparece la textura fina, así que la imagen resulta más lisa.

El autor enumera las limitaciones con franqueza:

• un solo modelo (Anima), una resolución y una escala de guidance;
• 12 unidades: los efectos inferiores al 5–8 % no se aprecian;
• las hipótesis no se fijaron antes de las mediciones, y el hallazgo sobre el primer paso se obtuvo post hoc;
• solo se probaron Euler y Adams-Bashforth 2, y con estas rejillas el segundo rinde peor que Euler;
• la idea no es nueva: un enfoque similar se propuso en CAT-Flow, con el que el autor no se comparó.

Qué hacer con esto

Si ejecutas un modelo de flujo en ComfyUI y cuentas las llamadas a la red, no conviene dar por hecho que el calendario estándar es óptimo para pocos pasos. Para Anima, el repositorio incluye listas de sigmas listas para 8, 12, 16 y 24 llamadas. Se pueden pasar al nodo de sigmas manuales con el muestreador estándar euler (576×768, CFG 5).

Para otro modelo hay que capturar trayectorias de referencia y calcular el perfil del ritmo de giro. Cada imagen lleva unos dos minutos. El autor no comprobó cuántas imágenes bastan. En escenas con textura, es mejor comparar la rejilla a simple vista y no solo con una métrica latente. El código, 30 tests y el preprint están disponibles en el repositorio YakovSava/zero-cost-proxy-research.