稀疏监督扩散（SSD）：用掩码框架抑制扩散模型的空间不一致生成

研究者提出稀疏监督扩散（SSD），一种仅需几行代码即可实现的掩码框架，用于缓解扩散模型因数据协方差中过度相关性导致的空间不一致生成。分析显示 SSD 通过改变数据协方差谱抑制相关性，能更准确逼近总体得分函数、减少小数据集上的记忆化；即使掩码高达 98% 的像素，在多个数据集上仍取得有竞争力的 FID，并避免小数据集上常见的训练不稳定。该工作已被 NeurIPS 2026 接收。