**HuggingFace 论文:通过判别几何学习提升漂移模型生成质量**

_Learning Discriminative Geometry for Drifting Models_

> 该论文指出漂移模型(Drifting Models)的性能受表示空间判别几何的影响。作者提出持续表示学习方法,在训练过程中动态优化判别几何,并建立了 KDE 比率损失与漂移回归损失的梯度等价性。实验表明,该方法无需预训练编码器,仅从像素空间即可将 FID 降低 82-95%,显著提升了单步生成的图像质量。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.04703)