ディフュージョンモデルにおける効率的なテストタイムの反復誤り補正

arXiv:2511.06250v3 Announce Type: replace-cross 要約: 資源制約されたデバイス向けの高品質画像生成への需要が高まる中、効率的なディフュージョンモデルの関心が高まっています。しかし、この類のモデルは効率的化技術によって導入された近似的な誤差に悩まれ、それが生成の品質を著しく低下させます。一旦デプロイされると、これらの誤りを修正することは困難であり、通常デプロイ環境ではモデルを修正することは不可能です。ディフューージンステップにわたる誤りの伝播に関する分析を通じて、我々はこれらの近似的な誤差が指数関数的に蓄積し、出力の品質を深刻に損なうことが明らかになりました。この洞察に触発され、我々は推論時間の誤差を反復的に微調整することで軽減する、新しいテストタイム手法である「反復誤り補正 (IEC)」を提案します。IEC は、再訓練やアーキテクチャの変更を不要にすれば、指数関数的な誤りの伝播を線形成長に減らすことが理論的に証明されています。IEC は既存のディフュージョンモデルの推論プロセスにシームレスに統合でき、性能と効率の柔軟なトレードオフを可能にします。大規模な実験では、IEC は複数のデータセット、効率的化技術、モデルアーキテクチャにおいて一貫して生成品質を改善することが確認されており、テストタイムの強化における効率的なディフュージョンモデルの実用的かつ汎用的な解法として確立されました。コードは https://github.com/zysxmu/IEC に利用可能です。

arXiv:2511.06250v3 Announce Type: replace-cross Abstract: With the growing demand for high-quality image generation on resource-constrained devices, efficient diffusion models have received increasing attention. However, such models suffer from approximation errors introduced by efficiency techniques, which significantly degrade generation quality. Once deployed, these errors are difficult to correct, as modifying the model is typically infeasible in deployment environments. Through an analysis of error propagation across diffusion timesteps, we reveal that these approximation errors can accumulate exponentially, severely impairing output quality. Motivated by this insight, we propose Iterative Error Correction (IEC), a novel test-time method that mitigates inference-time errors by iteratively refining the model's output. IEC is theoretically proven to reduce error propagation from exponential to linear growth, without requiring any retraining or architectural changes. IEC can seamlessly integrate into the inference process of existing diffusion models, enabling a flexible trade-off between performance and efficiency. Extensive experiments show that IEC consistently improves generation quality across various datasets, efficiency techniques, and model architectures, establishing it as a practical and generalizable solution for test-time enhancement of efficient diffusion models. The code is available in https://github.com/zysxmu/IEC.