**DiFA：通过前向过程对齐提升扩散模型推理质量**

_DiFA: Inference-Time Forward-Process Alignment for Diffusion Models_

> 提出无需训练的DiFA框架，将扩散模型推理重构为序列状态估计问题。借鉴卡尔曼滤波思想，利用历史预测构建时间共识以聚合信息，并引入偏差引导机制保留细节。该方法在CIFAR-10和ImageNet上显著提升了FID、IS等生成指标，证明了推理阶段与前向统计结构对齐能有效提高生成保真度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.17972)