#DINOv2

拡散モデルの生成品質向上へ、「LAP」手法を発表

arXivは2026年10月15日(現地時間)、インヘン・ワン (Yingheng Wang) 氏らによる研究論文を公開し、拡散モデルの学習効率と生成品質を高める新しい手法「ローカル・アピアランス・ピュリフィケーション (LAP)」を発表した。LAPは、既存の事前学習済み視覚エンコーダから生成により有用な情報を精製し、アラインメントのターゲットを最適化する。この手法は、拡散モデルのトレーニングや推論プロセスに一切変更を加えることなく適用可能だ。