扩散模型是否需要单调采样？

扩散模型通过迭代去噪高斯先验来生成样本，遍历噪声水平序列，在每个已发表的采样器中，噪声水平单调递减。六年来，围绕该食谱几乎每一方面都有深入研究，包括破坏算子、训练目标、日程表形状、体系结构和 ODE 求解器。然而，这一单调性假设本身从未被系统性地测试。在本工作中，我们询问单调采样是否至关重要，还是仅仅是惯常做法。我们设计了四类结构化非单调日程表，并将其应用于三个 architecturally distinct 的生成模型：DDPM、EDM 和 Flow Matching，实验覆盖 NFE 预算从 10 到 200 个函数评估，外加 42 个超参数 ablation，在 CIFAR-10 上进行。经过 90 个测试配置，没有任何测试的非单调日程表在基准单调日程表上取得更好结果。然而，惩罚幅度跨越 nearly three orders of magnitude：在 DDPM 中持续且显著，在 Flow Matching 中为中间，在 EDM 中几乎不可察觉。我们表明这种差异不是噪声，而是每个训练去噪器的结构属性，我们将其形式化为 Schedule Sensitivity Coefficient，这是一种廉价且 architecture-agnostic 的诊断工具，提供关于在关键噪声水平处是否接近贝叶斯最优去噪器的证据。我们的发现证实了该领域对单调日程表的默许依赖，并为一种新的扩散模型质量探针提供了补充，后者与如 Fréchet Inception Distance 等样本质量指标相辅相成。