摘要
快速的基于扩散模型的室内设计生成必须在专业审美对齐与少步推理之间取得平衡，然而标准蒸馏可能会消除对齐过程中获得的奖励增益。我们将这些目标形式化为耦合约束优化问题，通过惩罚代理进行求解，并在训练后审计其实际约束值，同时提出了 ARIA-Diff，该方法结合了专家校准的室内审美奖励模型（IARM）、奖励反馈对齐以及保持奖励的潜在一致性蒸馏。IARM 从 43 名受过设计训练的标注员提供的 23,146 个成对判断中学习空间布局、色彩和谐、光照氛围和材质保真度的凸组合。在 38,271 张训练图像上适配的潜在扩散骨干网络在语义保真度和参数漂移约束下进行优化，随后通过附加铰链奖励约束的一致性目标，从 50 步采样蒸馏至 4 步。相较于测试过的最强通用奖励模型，IARM 对留出专家偏好的预测更为准确（78.2% 对 71.6%）。在 1152 个留出提示词上，四步学生模型取得了 FID 23.71、IARM 6.86 以及每图 0.31 秒的延迟，相对于 50 步教师模型，分别对应 98.4% 的绝对分数保留率和 84.9% 的对齐增益保留率。在盲测对比中，从业设计师在 71.4% 的试验中更倾向于选择 ARIA-Diff 而非最强微调基线。这些增益在五个训练种子、独立偏好评分器以及另一独立设计师小组中均保持有效。这些结果表明，共享的数学目标可以在激进的扩散加速过程中保持特定领域的偏好对齐。
