TL;DR

本文深入剖析了扩散模型（DPM）在采样阶段的一个核心病灶：SNR-t 偏差。作者发现，推理时的样本 SNR 往往由于误差累积而无法与时间步匹配，导致模型“步调不一”。为此，作者提出了小波域微分修正（DCW），无需重新训练，通过微分信号在小波频段进行动态引导。实验证明，该方法能显著改善从轻量级 IDDPM 到巨量级 FLUX 模型的细节缺失和曝光问题，计算耗时增加不足 1%。

1. 痛点深挖：消失的信噪比

在扩散模型的训练期，给定时间步 $t$，$x_t$ 的信噪比（SNR）是严格确定的。然而，在推理阶段，这种“契约”被打破了。

作者通过“滑动窗口”实验发现了两个关键事实：

1. 预测不准：当网络在时间步 $t$ 接收到一个 SNR 实际上匹配 $s$ ($seqt$) 的样本时，预测出的噪声会产生巨大的偏差。
2. SNR 偏低：受限于数值求解器的离散化误差，反向去噪过程中的样本 SNR 普遍低于正向扩散时的理想水平。

这种 SNR 的错位（SNR-t Bias）是导致生成图像出现伪影、细节平滑、甚至颜色失真的深层诱因，比以往讨论的 Exposure Bias 更为基础。

2. 核心直觉：微分信号的向导作用

如果轨迹偏了，怎么把它拉回来？

作者发现，在每一个去噪步骤中，模型都会生成一个预测的原始样本 $x_0^{h}eta$。通过复杂的数学推导（基于修正的 Tweedie 公式），作者证明了当前预测样本与重建样本之间的差值信号，蕴含了指向理想采样路径的梯度信息。

像素空间到小波域的跨越

简单的像素级修正会受到噪声干扰。作者引入了 Discrete Wavelet Transform (DWT)。这背后的物理直觉非常精妙：扩散模型在采样初期主要构建低频轮廓，后期才修饰高频细节。

• 低频修正 ($L$)：在采样早期赋予大权重，确保构图稳定。
• 高频修正 ($H$)：在采样后期增加权重，精雕细琢纹理。

3. 实验战绩：全线 SOTA 提升

DCW 展示了其强大的普适性。在 13 NFE（神经功能评估次数）下，它使 EDM 的 FID 从 10.66 降至 5.67。对于目前最强的开源模型之一 FLUX，DCW 修复了其在低步采样时的“过曝光”症结。

在消融实验中，作者验证了频域分解的必要性（Tab. 6）：

• 仅在像素空间修正（DC）能带来提升，但不如同时处理高低频（DCW）。
• 计算开销：由于 DWT 操作极快且无需额外调用神经网络，DCW 引入的延迟在实际应用中几乎可以忽略不计。

4. 深度洞察与总结

DCW 的成功告诉我们，生成式 AI 的采样过程不仅是寻找概率分布的路径，更是一场关于精密对齐的博弈。通过阐明 SNR 与时间步之间的微妙关系，研究者能够通过轻量级的代数修正，补齐生成质量的最后一块拼图。

局限性：虽然文中给出了参数 $\lambda$ 的搜索策略，但对于不同类型的生成任务（如视频或跨模态），最优的频段权重分配可能仍需经验微调。未来，自适应的 SNR 补偿机制将是一个值得挖掘的方向。