通过噪声对齐解决扩散桥接模型端点欠拟合问题
计算机视觉与模式识别
2026-05-29 v1
摘要
扩散桥接模型提供了一种强大的框架，用于连接两个数据分布，例如在图像修复和翻译任务中。许多现有方法通过模仿标准扩散模型的得分匹配公式来学习此桥接。本文发现，这种方式会导致在目标端点（）附近出现异常性欠拟合现象。这种欠拟合表现为预测方差和方向上的显著漂移，源于网络输入噪声水平与其回归目标之间过大的差异。为解决此问题，我们提出了噪声对齐扩散桥接模型（Noise-Aligned Diffusion Bridge, NADB）。我们的方法首先采用均值网络提供更干净的条件目标，然后引入一种新颖的噪声对齐映射关系。这种新的公式化解决了噪声不匹配问题，纠正了目标端点附近的欠拟合。实验验证表明，在多个图像修复和图像翻译任务上，本方法有效。代码已公开于 https://github.com/gyr02/NADB。
引用
@article{arxiv.2605.28962,
title = {Resolving Endpoint Underfitting in Diffusion Bridges via Noise Alignment},
author = {Yurong Gao and Zicheng Zhang and Congying Han and Tiande Guo and Xinmin Qiu},
journal= {arXiv preprint arXiv:2605.28962},
year = {2026}
}
备注
Accepted by CVPR2026