Correction Training 无需 CFG 也能显著提升扩散模型出图质量

_onionesque · x · 2026-10-19

donghoonahn 等人提出 Correction Training for Diffusion Models：通过新的训练方法，扩散模型在不依赖 classifier-free guidance（CFG）的情况下也能显著提升采样质量。sedielem 转发评论称这与「在给定噪声水平上循环迭代」的思路相呼应——循环能修复原本会累积的误差、降低对 CFG 的依赖，与数据空间迭代、self-conditioning、深平衡模型（DEQ）、fixed-point flows 等方法在精神上相关。项目页已上线，附技术线程。