En este artículo, proponemos Modelos de Trayectoria de Consistencia Generalizada (MCGC) para resolver el problema del coste computacional de los Modelos de Difusión (MD). Mientras que los Modelos de Trayectoria de Consistencia (MCC) convencionales solo pueden transformar ruido gaussiano en datos, los MCGC permiten la transformación entre distribuciones arbitrarias mediante Ecuaciones Diferenciales Ordinarias (EDO). Esto puede mejorar la eficiencia de diversas tareas de manipulación de imágenes, como la transformación de imagen a imagen, la restauración y la edición. El punto clave es que la generación y manipulación de imágenes se puede realizar con una sola evaluación de función, sin cálculos repetitivos, manteniendo al mismo tiempo la capacidad de control de grano fino de los MD.
