Shuyue Stella Li

ExploreNet 通过学习自适应噪声尺度来增强扩散模型

研究人员开发了 ExploreNet，这是一种新颖的策略，旨在通过在扩散模型中学习自适应探索分布来改进图像生成。与之前应用均匀噪声的方法不同，ExploreNet 根据当前的潜在表示、去噪步骤和提示来预测每个潜在元素的噪声尺度。这种方法在 Stable Diffusion 3.5 Medium 上进行了测试，在 GenEval2 等基准测试中显著提高了性能，并取得了高人类偏好胜率，证明了探索分布的形状比其幅度更关键。