摘要
基于快速扩散的室内设计生成需要协调专业审美对齐与少步推理之间的矛盾，然而标准蒸馏可能会消除对齐过程中获得的奖励增益。我们将这些目标表述为耦合的约束优化问题，通过受罚的代理函数来求解，并在训练后审查其实际约束值，进而提出 ARIA-Diff，该方法结合了专家校准的室内审美奖励模型（IARM）、奖励反馈对齐和保持奖励的潜在一致性蒸馏。IARM 从 43 名接受过设计训练的标注员的 23,146 个成对判断中学习空间布局、色彩和谐、灯光氛围和材质保真度的凸组合。一个在 38,271 张训练图像上进行适配的潜在扩散骨干网络通过语义保真度和参数漂移约束进行优化，然后通过由铰链奖励约束增强的一致性目标，从 50 步采样蒸馏至 4 步。IARM 对留出集的专家偏好预测准确率高于最强的通用奖励模型（78.2% 对 71.6%）。在 1152 条留出提示上，四步学生模型获得了 FID 23.71、IARM 6.86 和每张图像 0.31 秒的延迟，相对于 50 步教师模型，绝对分数保持率为 98.4%，对齐增益保留率为 84.9%。在盲测对比中，从业设计师在 71.4% 的试验中更倾向于 ARIA-Diff 而非最强的微调基线。这些增益在五个训练随机种子、独立偏好评分者和单独的评估员小组中均得到保持。这些结果表明，一个共享的数学目标可以在激进的扩散加速过程中保留领域特定的偏好对齐。
