公開：2026年10月15日, 最終更新：2026年10月15日
30秒サマリー
- 拡散モデルの推論時に生じる「露出バイアス」による誤差蓄積を抑制する新手法が提案された
- 補正器（corrector）が中間ステップの予測を繰り返し洗練し、ガイダンスなしでも高品質な画像生成を実現
- 蒸留によって追加推論コストを吸収できるため、実用的な品質向上が見込まれる
何が起きたか
Donghoon Ahnら5名の研究者が2026年10月9日にarXiv（cs.AI）に投稿し、14日に改訂した論文「Correction Training for Diffusion Models」において、拡散モデルの品質課題に対処する新たな学習フレームワークを提案した。
拡散モデルは訓練時に実画像とノイズを混合した入力を受け取るが、推論時には自身の不完全な予測を次ステップの入力として使う。この訓練・推論間のギャップ（露出バイアス）が誤差を蓄積させ、Classifier-Free Guidance（CFG）などの補助手段がなければ高品質な出力を得にくい原因の一つとされている。
提案手法では、ベースモデルの予測を入力として受け取り、同じ正解ターゲットで学習する「補正器」を導入する。サンプリング時に各デノイジングステップでベースモデルの予測を繰り返し精緻化することで、中間ステップの早期アーティファクトが最終出力まで持続することを防ぐ。論文によれば、補正器はベースデノイザーの予測のみで訓練されるが、推論時には自身の出力に繰り返し適用できる。
評価はDiT・SiT・JiTの3モデルで実施され、ガイダンスなし生成および無条件生成においてFIDスコアが大幅に改善したと報告されている。CFGと組み合わせると多様性向上とCFG特有の過飽和低減も確認されたとしている。さらに、精緻化された予測をベースモデルに蒸留することで、推論時の追加コストを実質ゼロに抑えられることも示された。
原典ハイライト
論文は「補正ステップにより、ガイダンスなし・無条件生成でCFG競合レベルの品質を達成し、CFGとの併用で多様性向上と過飽和低減を実現。蒸留により追加推論コストを吸収できる」と主張している。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
拡散モデルの品質向上にCFGが事実上の必須手段となっていた状況に対し、本手法はCFGへの依存を低減しうるアプローチを提示している。ガイダンスなし・無条件生成での品質向上は、プロンプト設計の制約が少ない用途への応用可能性を広げる。蒸留による推論コスト吸収は商用展開の障壁を下げる点で実用上の意義が大きい。ただし本論文はarXivプレプリント段階であり、査読済みの成果ではない点に留意が必要。
日本企業への示唆
画像・映像生成AIを自社サービスや業務プロセスに組み込む日本企業にとって、生成品質の向上と推論コスト削減は直接的なコスト・UX改善に直結する。本手法が実装レベルで確立されれば、既存の拡散モデルベースの生成パイプラインに「補正器＋蒸留」を追加するだけで品質を底上げできる可能性がある。研究動向を追いながら、オープンソース実装の成熟度を見極めて採用タイミングを検討する姿勢が有効とみられる。
背景・経緯
拡散モデルはStable DiffusionやDiTなど商用・研究用途で広く普及しているが、推論時の露出バイアスによる品質低下はCFGで緩和するのが一般的だった。CFGは品質を高める一方で多様性の低下や色の過飽和といった副作用が知られており、これを代替・補完する手法の研究が活発化している。論文はプロジェクトページとコードも公開済みとしている（URLは原文にリンクとして記載されているが具体的なURLは本文中に明示されていない）。
