DiFA 让扩散模型推理对齐前向统计，生成质量更高

cn-scut · hf · 2026-07-21

### DiFA 是什么 DiFA 是一个用于扩散模型的**推理期、无需训练**框架。它把反向生成过程看成一个顺序状态估计问题，而不是单纯的数值积分。 ### 核心思路 - 传统采样器往往把去噪过程当成确定性的数值积分，忽略了统计不确定性。 - DiFA 会把迭代得到的历史预测当成相关观测，形成一个**前向对齐**的时间一致性结果。 - 这个思路借鉴了 Kalman filtering：按结构一致性和噪声级别兼容性来融合历史预测。 - 同时加入 deviation guidance，避免时间共识带来的过度平滑，尽量保留细节。 ### 实验结果作者在 CIFAR-10 和 ImageNet 上测试，FID、IS、FD-DINOv2 等指标都有明显提升，说明把推理过程和前向统计结构对齐，能提升生成质量。