揭示扩散概率模型的SNR-t偏差及校正方法
深度2026年5月5日42 分钟阅读
最有趣的发现是扩散模型在训练时SNR与时间步长严格对应，但在推理时这种对应关系被破坏，导致生成质量受损。本文提出的差分校正方法能有效缓解这一问题，适用于所有使用扩散模型的研究者和工程师。
本文编译自 Elucidating the SNR-t Bias of Diffusion Probabilistic Models，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Black Forest Labs 推出 FLUX 3，统一多模态模型，视频生成超越多个竞品，并开源 FLUX-mimic 用于机器人控制。同时，The Stack v3 数据集发布，蒸馏政策争议持续。
深度Latent Space·7月24日·8 分钟
本文采访了多位进攻型网络安全研究员，探讨AI公司的安全护栏如何影响他们发现漏洞和开发利用工具的工作。研究员们普遍认为护栏过于严格且不一致，迫使部分人转向国产开源模型。
深度·7月24日·6 分钟