新采样方法 CNS 给扩散模型注入彩色噪声,显著改善 FID
serrjoa · x · 2026-09-27
研究者提出 Colored Noise Sampling(CNS):传统 SDE 采样器注入白噪声,而 CNS 利用扩散模型固有的频谱偏置,动态地为注入噪声「着色」,将噪声集中到细节缺失的频段。
作者表示该方法能显著改善 FID 指标,并附有技术线程展开细节。这是一个不需要改动模型、只改采样过程即可提升生成质量的思路。
「研究」频道最新
- Spatial-Interactor：让 VLM 像婴儿一样通过交互学会空间推理 — arankomatsuzaki · 2026-09-27
- DeepMind 研究员析 AI 未撼动物理学：真突破需人类知识凸包外洞见 — DaniloJRezende · 2026-09-27
- WTF 框架微调流模型,奖励对齐训练算力最高省 280 倍 — yeewhye · 2026-09-27
- IIT 德里 4 篇 NeurIPS 2026 主会论文：多语言可解释性与蒸馏新方法 — Tanmoy_Chak · 2026-09-27
- NeurIPS 2026 论文：稀疏层是 Looped 语言模型规模化的关键 — burny_tech · 2026-09-27
- 芬兰 2000 人研究：高频用 AI 与工作倦怠并无明显关联 — derrikson · 2026-09-27