不用 CFG 的扩散模型：Correction Training 显著提升无条件生成质量
Apprehensive_Sky892 · reddit · 2026-10-14
Reddit 用户分享一种扩散模型的「纠正训练」（Correction Training）方法，探索不依赖 classifier-free guidance 提升生成质量的路径。
- 验证平台：所有测试基于开源的 NanoGen（diffusion-bench），一个支持 ImageNet 与文生图的统一扩散 Transformer 实现；基座模型预训练自 BLIP-3o 的 Short-Caption、Long-Caption 与 JourneyDB 子集，共约 3600 万图文对。
- 结果：对比无 guidance 的样本与使用 correction 的样本，correction 显著改善样本质量，物体结构更干净。
- 局限与展望：作者希望有人在 Krea 2 或 Qwen-Image 2.1 等更大模型上验证该想法。
所属事件:UC Berkeley 提出 Correction Training，扩散模型可告别 CFG(3 条相关)→
「多模态」频道最新
- Rendergeist 推出音频响应 Shaders v4，首发音乐视频 Bass Forge 1 — bennash · 2026-10-14
- 零库纯Python让Argon给自己合成声音：从音素到声道建模全流程 — fofrAI · 2026-10-14
- Fish Audio 开源 Drama 3 TTS:单字可控、句中换声、跨语言保持音色 — EXM7777 · 2026-10-14
- MiniMax H3 生视频还原 Nirvana《Drain You》片段,画面逼近实拍质感 — urabewe · 2026-10-14
- GPT-6 Image 2.5 复刻 1930 年代越南漆画风格，质感惊艳 — DeryaTR_ · 2026-10-14
- 创作者演示低多边形预演＋Seedream 5/Seedance 2.5 渲染工作流 — adamho · 2026-10-14