arXiv cs.CVは2026年10月20日(現地時間)、拡散画像生成器における「露光バイアス」の問題を軽減する新しい決定論的サンプラープラグイン「PEEK」に関する論文を発表した。この手法は、デノイザーが実際のデータと異なる不完全な入力に基づいて次のステップを予測することによって生じる画像生成品質の低下を改善することを目的としている。PEEKは、8つのピクセル空間および潜在空間拡散モデルにおいて、FID (Fréchet Inception Distance) を最大49.3%改善した。
PEEKは、拡散モデルのサンプリングプロセスにおいて、デノイザーが不完全な入力に基づいて次のステップを予測することで生じる、訓練時とテスト時のギャップ、すなわち露光バイアスを修正するために提案された。このバイアスは、生成される画像の品質低下（ぼやけ、詳細の欠如、形状の不自然さ）につながる。
PEEKは、学習不要な決定論的サンプラープラグインとして機能する。各デノイジングステップにおいて、PEEKはまず暫定的な1ステップ更新を実行し、ルックアヘッド状態でデノイザーを評価する。そして、この評価結果を1ステップ後の予測と補間することで、次のノイズ状態を形成する。この追加ステップにより、より画像に近い予測が得られ、露光バイアスが軽減される。補間位置の最適化には、プリフィックスおよびベースラインノイズスケジュールリベースキャッシュによって効率化された検索手法が用いられる。
PEEKは、無条件、ラベルガイド、テキストガイドの設定で様々な出力解像度を持つ8つのピクセル空間および潜在空間拡散モデルで評価された。その結果、NFE (Number of Function Evaluations) が一致するベースラインと比較して一貫した改善を示し、FID改善は最大で49.3%に達した。追加の計算コストは最小限であり、モデルごとのキャリブレーションは最大2.2分で完了した。本論文の著者はYunwei Bai、Ying Kiat Tan、Tsuhan Chenであり、Neurips 2026に採択されている。
参考: arXiv cs.CV — 2026年11月5日 14:00 (JST)
原文ハイライト"PEEK: One-Step-Look-Ahead Exposure Bias Correction for Diffusion Sampling"