跳到正文
arXiv · ML· Yingheng Wang, Yaoqiang Li, Yaqin Wu, Junwen Bai, Jiatao Gu, Christopher De Sa, Volodymyr Kuleshov·· 2026-10-16AI 评分43

Purify Before You Align:通过局部外观净化改进扩散模型表征对齐

Purify Before You Align: Improving Representation Alignment for Diffusion Models

AI 导读

研究人员提出局部外观净化(LAP)方法,通过移除可局部预测的内容并对齐残差,提升扩散模型生成质量。 LAP 仅修改对齐目标,无需更改扩散训练或推理流程。在 ImageNet-256 上,LAP 使 MAE 的 FID 从 53.1 降至 42.3,该增益在 13 个编码器中通过常量读出测试得到验证(Spearman ρ=0.94)。

来源:arXiv · ML · arxiv.org