论文页面 - Spectral Prior for Reducing Exposure Bias in Diffusion Models

来源：https://huggingface.co/papers/2607.22091

摘要

扩散模型在迭代采样过程中通常会遭受误差累积，这通常被称为曝光偏差。我们揭示了训练与推理之间存在系统性的频率依赖差异，可将其解释为频率依赖的信噪比误差。关键在于，这种不匹配的方向随模型和时间步长而变化，表明固定的修正规则无法泛化。我们提出Spectral Alignment (SPA)，一种轻量级的、基于引导的方法，它将中间预测结果的功率谱校准到预先计算的先验上。我们的方法包含两个阶段：(1) 从训练数据中离线拟合一个参数化频谱模型，以及(2) 通过高效的FFT梯度计算进行推理时引导。SPA引入的计算开销极小（3-4%），并且与无分类器引导 (CFG) 互补。我们在多种架构上展示了持续的性能提升，从像素空间模型 (DDPM, ADM) 到潜在扩散模型 (SD2.0, SDXL) 以及流匹配模型 (SD3.5, FLUX)。我们的实现可在 https://github.com/SonyResearch/SPA 获取。

查看arXiv页面 (https://arxiv.org/abs/2607.22091) 查看PDF (https://arxiv.org/pdf/2607.22091) GitHub0 (https://github.com/SonyResearch/SPA) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.22091)

在你的agent中获取此论文：

hf papers read 2607.22091

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.22091 以从该页面链接。

引用此论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.22091 以从该页面链接。

引用此论文的Space0

没有Space链接此论文

请在Space README.md中引用 arxiv.org/abs/2607.22091 以从该页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

请将此论文添加到一个收藏集 (https://huggingface.co/new-collection) 中以从该页面链接。