扩散模型纠正训练方法提出

发生了什么

Hugging Face Papers报道，研究人员提出一种扩散模型纠正训练方法，通过迭代优化预测结果减少曝光偏差，提升无引导采样质量。该方法引入一个纠正模块，学习细化去噪器的预测，以相同的目标进行训练，在采样过程中迭代地改进去噪器的清洁样本预测，防止早期伪影持续到最终样本。研究显示，该方法在DiT、SiT和JiT上实现了与无分类器引导（CFG）相当或更好的FID分数，且通过蒸馏可抵消额外的推理成本。