像素扩散模型对抗后训练研究

2026年9月29日，Hugging Face Daily Papers 报道论文《像素扩散模型的对抗训练》。报道称，研究提出一种对抗后训练方法，用于校正像素扩散模型在细粒度自然图像统计上的不足。该方法保留原有 diffusion 或 flow-matching 目标，在非高噪声时间步加入对抗损失，不改变模型架构和采样流程。报道还称，该方法在两个像素骨干模型上提升多项指标；频段与幂律分析显示，它恢复了模型缺失的高频谱能量。

AI 根据报道生成 · 8 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。