AI×経営戦略2026年10月5日読了約8分

DMAD、高速画像生成の蒸留を簡素化

保存

中国・米国の研究チームが、拡散モデルを少ステップで動かす蒸留手法DMADを発表した。補助モデルを不要とし、1~4ステップで教師モデルを上回る品質を示し、生成コストの削減に道を開く。

研究の概要

Zhengming Yu氏ら中国・米国の研究チームは、拡散モデルを少ないステップで動作させる蒸留手法DMADを提案した。DMADは、従来の代表的手法であるDMD（分布マッチング蒸留）が必要とした補助的な拡散モデルを保持せずに、生徒モデルを高品質に動作させることを狙うものである。これはメモリと計算負担を軽減し得る点で実運用上の意義が大きい。

技術的には、DMADは分布マッチングを分類問題として再定式化する。共有の骨格ネットワークに2つの識別器ヘッドを備え、①実データおよび教師モデルの生成物、②生徒モデルの生成物、を区別させることで生徒を訓練する。識別器出力に対する線形損失を用いるため、従来必要とされた補助モデルによるスコア推定が不要となる。この設計に関して、研究チームは識別器が最適である場合に本損失がDMDの分布マッチング勾配を再現することを理論的に示している。

さらに、DMADはノイズ水準ごとの教師の監督強度を、実データと教師生成物の識別器出力の差に応じて調整する「ギャップに基づく再重み付け」を導入した。これにより、異なるノイズレベルでの指導力を動的に変え、学習を安定化させる工夫が盛り込まれている。

評価では、ImageNet-64x64における1ステップでのFIDが1.04、SDXLの4ステップでCOCO-10KにおいてFID14.47、Wan2.1-T2V-14Bの4ステップでの動画評価VBench総合スコアが85.15を記録した。音声付き動画を扱うMiniMax-H3-33Bでは、4ステップの生徒モデルが同種手法のDMD2に対して79.1%、rCMに対して84.6%の人間評価での選好率を得ている。これらは比較対象の少ステップ手法および多ステップ教師モデルを上回る最良値として報告されている。

しくみをやさしく

拡散モデルの蒸留という作業は、能力の高い教師モデルの振る舞いをより小さく速い生徒モデルに写す工程である。従来は生徒の出力分布を教師に合わせるために、補助的な拡散モデルでスコア（生成の方向性）を推定する必要があった。DMADはここを別の角度から攻める。

具体的には、教師の出力と生徒の出力、さらに実データの出力を識別器が見分けるように学習させる。識別器の出力差を生徒の学習信号にすることで、補助モデルで行っていた「どの方向に修正すべきか」という推定を直接不要にする。さらに、教師と実データの出力がどれだけ似ているか（識別器出力のギャップ）に応じて、どのノイズレベルで教師の教えを強めるかを変えることで、学習の効率と安定性を高める。

この結果、学習と推論の過程で持たねばならない追加のモデルが減り、少ステップ（1〜4ステップ）で動作する生徒モデルが教師モデルに匹敵する品質を示した。

ビジネスへの示唆

生成AIを実運用する際、推論ステップ数はそのままコストと応答遅延に直結する。DMADのようにステップ数を数十から1〜4に圧縮しつつ品質を維持できるならば、繰り返し発生する業務での効果は大きい。自部署で該当する具体的な業務とKPIを検討することが重要である。

広告・マーケティング部門では、バナーや短尺動画の大量生成が該当する。現状、1本あたりの生成コストと制作リードタイムはどの程度か。A/Bテスト回数や反復サイクル（クリック率、コンバージョン率改善までの期間）をKPIとし、生成単価とリードタイムの削減が直接成果に結びつくかを問うべきである。
EC・小売の商品企画では、商品画像の差し替えや着用イメージ生成が繰り返される。現状はどの業務が外注化されているか、社内でどれだけの工数と待ち時間が生じているかを把握する。KPIは1商品あたりの画像作成時間、外注費用、SKU当たりの更新頻度などであり、これらを短縮できれば在庫回転や販売促進のスピードアップに資する。
メディア・映像制作では、試作映像の確認待ち時間や編集サイクルが該当する。4ステップで大規模モデルを動かせるという結果は、試作回数拡大や社内での短尺コンテンツ内製化に繋がる。KPIは試作リードタイム、外注コスト削減、内製化率の向上などである。
情報システム・クラウド運用では、GPU稼働時間や電力が主要コストである。1リクエスト当たりの推論コスト、スループット、GPU利用率をKPIとし、これらを改善できるかを検証する。DMADは補助拡散モデル不要のため訓練側のメモリ・計算負担も軽減できる可能性があるが、実際の削減効果は自社環境での検証が必要である。

以上を踏まえ、自部署で「どの業務をどれだけの頻度で、誰が実施しているか」「主要KPIは何か」を定量化する問いを持つことが導入検討の出発点である。

現場での導入イメージ

仮に導入支援に入るなら、以下の4段階で進める現場ワークフローを提案する。各ステップで何を行い、何を目指すかを明確にする。

棚卸し

何を行うか: 生成を行っている業務フロー、対象データ（画像・動画の種類、解像度、頻度）、現行のモデル構成とコスト（GPU時間、外注費、リードタイム）を可視化する。関係者インタビューで現状のボトルネックを洗い出す。
目指す到達点: どの業務がDMADによる高速化で現実的な効果を出せるかを定量的に特定し、短期間で効果検証できる候補をリストアップする。

差し込み先の設計（既存ツール／RAG／業務のどこに載せるか）

何を行うか: 現行ワークフローに対して、生成処理をどのモジュールに差し込むかを設計する。既存の推論基盤やバッチ処理パイプライン、またはユーザー向けのツール（CMS、クリエイティブ管理ツール）との接続方法を定義する。新規ツールを増やさない現実解を優先する。
目指す到達点: 最小限の変更で導入可能な技術配置図を作成し、推論エンドポイント、データ入出力、認証・監査の取り扱いを決める。ここでPoCの成功条件（品質指標、遅延、コスト目標）も定義する。

小さく試す（PoC）

何を行うか: 候補業務の中から1ケースを選び、DMADで蒸留した少ステップ生徒モデルを用いたPoCを実行する。既存のサンプルデータで生成品質（社内評価・人間評価）と推論速度・コストを測定する。必要に応じてギャップに基づく再重み付けなどハイパーパラメータ調整を行う。
目指す到達点: 定義した成功条件（例: FID相当の品質指標、応答遅延、1リクエスト当たりの推論コスト）を満たすかを確認し、実運用移行の可否を判断する。品質が基準を満たす場合は運用設計へ移行する。

運用と横展開

何を行うか: PoCで得られたモデルと運用手順を本番環境に移行する。監視指標（品質劣化の検出、人間評価による品質チェック頻度、GPU利用率）を設定し、再学習や再蒸留の運用フローを確立する。横展開用のテンプレートやガイドを作成して他部門へ波及させる。
目指す到達点: 日常的に使える少ステップ生成パイプラインを確立し、複数業務での内製化・コスト削減を実現する運用体制を整える。再現性のある蒸留手順と監視体制により品質を維持しつつスケールさせる。

最終目標は、現場が少ない追加投資で高速・高品質な生成を安定的に運用できる状態を作ることである。DMADは補助モデルを不要にする点で蒸留の初期投資を下げる可能性があり、まずは「小さく・安く始めて効果を検証する」姿勢が現実的である。

今後の展望

研究チームはコード、モデル、デモを公開しており、企業が実装検証に着手しやすい環境が整っている。遅延が事業価値に直結する用途、例えばリアルタイム対話型の画像編集やライブ配信向け動画生成などでの展開が期待される一方、論文の評価は公開ベンチマークと人間評価が中心であり、特定ドメインでの再現性やブランド表現、著作権・安全性の課題は別途確認が必要である。

識別器を用いる手法は学習が不安定になりやすいという既知の弱点があるため、実運用では監視・再学習の体制と品質評価プロセスを厳格に設計することが重要である。高速化と品質の両立を巡る競争は推論コストを巡る採算性に直結するため、本手法は事業上の差別化要因となり得るが、導入効果の実測に基づく判断が不可欠である。