Alibaba：零成本修复AI绘图信噪比偏差

这项研究详细探讨了扩散概率模型（DPMs）中存在的信噪比-时间步偏置（SNR-t bias），即在推理阶段，预测样本的实际信噪比与设定的时间步之间出现了失配。作者通过理论证明和实验发现，这种偏置会导致模型生成的样本信噪比偏低，进而引发误差累积并损害生成质量。为此，研究者提出了一种名为**DCW（小波域微分修正）**的无需训练、即插即用的新方法。该方法利用小波变换将图像分解，并根据扩散模型从宏观轮廓到微观细节的去噪特性，对不同频率成分进行动态梯度修正。实验结果表明，该方案能显著提升包括 IDDPM、ADM 和 FLUX 在内的多种主流扩散模型的生成性能，且计算开销几乎可以忽略不计。