通過噪聲對齊解決擴散橋中的端點欠擬合

擴散橋模型是一種強大的框架，用於連接兩個數據分佈，廣泛應用於圖像恢復和圖像翻譯等任務。然而，現有方法大多模仿標準擴散模型的分數匹配方式，導致在過程接近目標分佈（t趨於0）時出現異常的欠擬合現象。這種欠擬合表現為預測方差和方向的顯著漂移，其根源在於網絡輸入與迴歸目標之間噪聲水平的巨大差異。為了解決這一關鍵問題，研究者提出了噪聲對齊擴散橋（NADB）。該方法首先採用均值網絡提供更清晰的條件目標，然後引入一種新穎的噪聲對齊映射關係。這種新公式消除了噪聲不匹配，並糾正了目標端點附近的欠擬合。通過在多個圖像恢復和圖像翻譯任務上的實驗驗證，NADB展示了其有效性。該論文已被CVPR 2026接收，代碼已在GitHub上開源（https://github.com/gyr02/NADB），為後續研究提供了堅實的基礎。這一工作不僅解決了擴散橋模型中的技術難題，也為圖像生成領域提供了新的思路。未來，研究者可以基於NADB進一步探索更廣泛的圖像處理應用，例如視頻修復和超分辨率等。