ReGain:免训练修复合成图个性化,弥合 51-64% 主体保真差距
UIUC-CS · hf · 2026-10-09
UIUC 研究发现:用扩散模型生成的合成图做 DreamBooth 个性化微调会降低主体保真度,产生过饱和色彩与过多高频细节。根因被定位到 classifier-free guidance(CFG)——合成图微调后条件与无条件噪声预测的角度差在高频段被放大。提出的 ReGain 是采样时的免训练校正:测量各频段 guidance 相对基座模型的膨胀并按比例缩回,无需真实照片。在 SD v1.5 上按 DINO/DINOv2/CLIP-I 度量弥合了 51-64% 的主体保真差距,同时在 SDXL 与 SD 3.5 上同样有效且不损害文本对齐。
「研究」频道最新
- COLM 2026 展示 AI 文化胜任力研究论文 — MaartenSap · 2026-10-09
- Arc Institute 发布虚拟细胞模型 PIE:未见扰动预测 AUPRC 提升 2.7 倍 — surmenok · 2026-10-09
- Snorkel AI 加场直播:基准测试在模型开发中的真实用法与局限 — dlwh · 2026-10-09
- Odysseys 基准亮相 COLM 2026,专测长时程计算机操作智能体 — rsalakhu · 2026-10-09
- 1636 次测试：人类仅 64% 正确率识破 AI 改写文本 — dejanseo · 2026-10-09
- MIT TR 访谈预告：对话用生成式 AI 设计出可杀菌病毒的斯坦福博士生 — nordicinst · 2026-10-09