内部引导：倾斜扩散模型的一种采样方法

研究者提出“内部引导”采样方法，不修改基础去噪器输出，而是改变其评估点，从而对扩散模型的基础分布做指数倾斜采样。对嵌入超立方体的离散分布，线性倾斜密度的去噪器等价于在平移缩放输入上评估基础去噪器；为此训练时对数据做随机对角缩放，使网络同时学会分布内与分布外评估。单个去噪器网络无需微调或外部引导项，即可实现二值奖励倾斜、类别标签和填充采样。