ReState：少步扩散模型免训练目标移除

2026年10月16日，arXiv Computer Vision 报道了一种名为 ReState 的免训练目标移除方法，由 Donghwan Lee 等人提出并验证。该工作针对少步蒸馏扩散模型的一个问题：在首次前向传播时，掩码区域内就已形成结构化预测，导致后续可用于修正的机会很少。ReState 采用噪声级感知权重，将掩码区域的干净预测校正为从输入中检索到的背景证据，且该权重在最后一次前向传播时归零。报道称该方法面向少步扩散模型实现免训练目标移除。目前报道仅介绍方法思路与机制，未提及具体数据集、评测指标或与其他方法的对比结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。