PEEK: 基于单步前瞻的扩散采样曝光偏差校正

PEEK 提出了一种无需训练的确定性采样器插件，通过单步前瞻和插值机制校正扩散模型中的曝光偏差，从而提升生成图像质量。 在 8 个像素和潜空间扩散模型上，PEEK 在无条件、标签引导和文本引导设置下，相比基线模型取得了最高 49.3% 的 FID 改进，且额外计算成本极低。 该方法已被 Neurips 2026 接收，证明了在现有扩散架构中校正训练-测试差距的有效性。