扩散模型泛化中注入噪声的作用

在不同数据集上训练的扩散模型，在相同噪声输入下能生成高度相似的样本，说明其学到了泛化的数据分布。研究发现采样过程中注入的噪声对这一强泛化效果起关键作用，且其影响在样本已具备整体结构但精确身份尚未确定的采样阶段最大。该成果发表于 NeurIPS 2026 PriGM Workshop。