InstantFusion 提出共享潜空间接口，打通异构图像生成器

一句话看懂：一项新论文提出 InstantFusion，用一个轻量级共享潜空间接口连接不同架构的图像生成器，让去噪过程可以在冻结的模型之间切换，目前仅为论文摘要，尚无产品落地。

事件核心：发生了什么

根据 Hugging Face Papers 收录的论文摘要，研究者观察到独立训练的扩散/流模型在潜空间上呈现出相似的空间组织，即便模型之间没有做对齐，直接把中间状态从一台生成器交给另一台，粗粒度视觉内容仍能保留。基于这一现象，作者提出 InstantFusion：为每个模型配备专属的 Latent AutoEncoder（LAE），把不同生成器的中间状态投影到一个共享潜空间，再解码到目标生成器的潜空间。这个共享空间通过两个目标约束——对齐同一图像在匹配噪声水平下的中间状态，并同步其局部去噪速度。训练完成后，去噪可以在冻结的生成器之间无缝过渡，而不需要为每一对模型单独建立映射。摘要称该方法在加速、多偏好组合、跨架构策略蒸馏和跨模型组合等场景中展示了通用性。论文发布时间为 2026 年 10 月 9 日。

为什么重要

当前图像生成领域模型繁多，架构、表示和训练方式差异明显，跨模型协作通常需要额外对齐或重新训练。InstantFusion 的价值在于提出一种“通用接口”思路：不绑定某一对模型，而是用一个共享潜空间来翻译中间状态。如果这一思路在更多模型上被验证，可能降低多模型组合、蒸馏和加速的工程成本，也为开源与闭源生成器之间的互操作提供参考。不过，目前公开信息仅来自论文摘要，尚未看到完整实验、代码或产品化证据，不能视为已经成熟的行业标准。

对用户/开发者/创作者的影响

对开发者和研究者而言，这一方向意味着未来可能不必为每个模型组合单独写适配层，跨模型迁移、组合和加速的门槛有望降低；对创作者和企业来说，如果共享潜空间接口走向实用，工作流里混用多个图像生成模型可能更顺畅，比如用 A 模型打底、B 模型精修，而不用手动转换中间结果。但现阶段应保持谨慎：论文没有说明推理开销、显存占用和实际生成质量，也未见 API 或开源库，暂时无法直接用于生产。