研究者提出扩散模型校正训练方法

Donghoon Ahn 等作者在 arXiv 发表论文，提出为扩散模型增加校正步骤，以缩小曝光偏差导致的训练与推理差距。校正器以基础模型的预测为输入、对标同一 ground-truth 目标训练，并在采样的每个去噪步骤迭代优化干净样本预测。 该方法在 DiT、SiT 和 JiT 上评测，论文称其显著提升了无引导及无条件生成的 FID，性能可与 CFG 竞争，与 CFG 结合还能提升多样性并减少过饱和。其额外推理开销可通过将精炼预测蒸馏回基础模型来摊销。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。