Hui Li

MixFlow训练方法通过解决暴露偏差来改进扩散模型

研究人员推出了一种名为MixFlow的新型训练方法，旨在减轻扩散模型中的暴露偏差。该方法利用源自慢流现象的“慢速插值混合”，其中更接近生成数据的真实插值对应于更高噪声的时间步长。在包括SiT、REPA和RAE模型在内的类别条件图像生成实验中，MixFlow均显示出有效性。值得注意的是，MixFlow应用于RAE模型在ImageNet上取得了强大的生成结果，在256x256和512x512分辨率下，引导下的FID分数低至1.10。