**像素扩散模型对抗后训练研究：恢复高频细节并提升生成质量**

_Adversarial Training for Pixel Diffusion_

> 该论文首次系统研究了像素扩散模型的对抗后训练方法。通过在非高噪声时间步引入对抗损失，该方法在不改变架构和采样过程的前提下，有效修复了模型对自然图像高频统计特性的系统性低估。实验表明，该方法在分布保真度、覆盖率、提示对齐及感知质量上均取得联合提升，且效果优于感知损失，揭示了直接访问输出图像统计特性是成功的关键。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.38170)