误差即信号：基于嵌入式 Runge-Kutta 指导的刚性感知扩散采样
计算机视觉与模式识别
2026-04-21 v2 人工智能
摘要
无条件引导（CFG）已为扩散模型中的引导机制奠定了基础，表明经过良好设计的引导代理显著改善了条件生成和样本质量。自动引导（AG）扩展了这一思路，但它依赖于辅助网络且未能解决求解器引起的误差。在刚性区域，ODE 轨迹会发生剧烈变化，其中局部截断误差（LTE）成为影响样本质量的关键因素。我们的关键观察是，这些误差与主特征向量对齐，这激发我们利用求解器引起的误差作为引导信号。我们提出了嵌入式 Runge-Kutta 引导（ERK-Guid），利用检测到的刚性性来减少 LTE 并稳定采样过程。我们对刚性和特征向量估计器以及求解器误差进行理论和实证分析，以此为 ERK-Guid 的设计提供动机。在合成数据集和流行基准数据集 ImageNet 上的实验表明，ERK-Guid 持续优于当前最先进的方法。代码已公开于 https://github.com/mlvlab/ERK-Guid。
引用
@article{arxiv.2603.03692,
title = {Error as Signal: Stiffness-Aware Diffusion Sampling via Embedded Runge-Kutta Guidance},
author = {Inho Kong and Sojin Lee and Youngjoon Hong and Hyunwoo J. Kim},
journal= {arXiv preprint arXiv:2603.03692},
year = {2026}
}
备注
ICLR 2026