扩散模型的校正训练方法

研究者提出面向扩散模型的校正训练方法，通过校正器在采样中迭代精炼降噪预测，有效缩小训练与推理差距并减少误差累积。该方法在 DiT、SiT 和 JiT 上显著改善了无引导与无条件生成的 FID 分数，表现媲美 CFG，二者结合还能提升多样性并减轻过度饱和。此外，精炼预测可蒸馏回基础扩散模型，实现零额外推理开销保留生成质量。