研究团队提出扩散模型校正训练方法

2026年10月14日，研究人员在arXiv发表成果，提出面向扩散模型的校正训练方法。该方法通过校正器在采样过程中迭代精炼降噪预测，有效缩小了训练与推理的差距并减少误差累积。实验显示，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，性能媲美CFG，二者结合还能提升多样性并减轻过度饱和现象。此外，精炼预测可蒸馏回基础扩散模型，实现在零额外推理开销下保留生成质量。

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。