UC Berkeley 校正训练法消除扩散模型曝光偏差，无引导也能出高质量样本
UCBerkeley · hf · 2026-10-21
UC Berkeley 与 Reve 的论文提出为扩散模型训练一个校正模块来精修扩散预测，从而减少曝光偏差（训练与采样分布的偏移）。
- 无需引导（无 CFG）即可获得高质量类条件与无条件 ImageNet 样本
- 校正模块支持蒸馏，可消除推理时的额外开销
- 改善了无引导采样质量这一常见短板
「多模态」频道最新
- EvaOmni 基准发布：要求全模态模型给出音视频证据链再推理 — VisionXLab · 2026-10-21
- 南开 WinARDet：压缩窗口自回归破解密集场景检测框循环复读 — NankaiUniversity · 2026-10-21
- Qwen-Image 2.1 编辑人物总生成塑料感皮肤，负向提示词无效 — NorthAppropriate4458 · 2026-10-21
- 用 AI 图像重现拉美科幻名篇《Artificial》:母亲被合成部件逐步替换 — dasein47 · 2026-10-21
- AI 生成万圣节视频：女子行走于骷髅女巫人群引围观 — Stephane_AI · 2026-10-21
- AI 生成奇幻短片 Lost In Woods 展示电影级森林精灵场景 — Some-Dark-5802 · 2026-10-21