Edge-preserving noise for diffusion models

doi:10.1111/cgf.70383

2026-04-30

DOI：10.1111/cgf.70383

原文链接

查看原文

摘要

En 中文

传统扩散模型通常依赖各向同性高斯噪声，将所有区域同等对待并忽略对高质量生成重要的结构信息。我们引入了一种保边扩散过程，通过结合边缘感知调度器的混合噪声方案，从保边噪声平滑过渡到各向同性噪声，从而推广了各向同性模型。这使得模型能够在保持全局性能的同时捕捉精细的结构细节。我们在扩散和流匹配框架中评估了结构感知噪声的影响，并表明现有各向同性模型可以通过保边噪声进行有效微调，使我们的框架适用于适配预训练系统。除无条件生成外，我们的方法在结构引导任务（如笔画到图像合成）中表现出显著改进，提高了鲁棒性和感知质量，这通过FID、KID和CLIP-score的一致提升得以证明。

Keyword:

CCS Concepts

• Computing methodologies → Gaussian processes

Image processing

• Mathematics of computing → Markov processes