# PEEK soll Fehler bei der Bildgenerierung verringern

> Forschende schlagen ein Plugin für Sampling ohne zusätzliches Training vor. Es soll die Bildqualität bei acht Diffusionsmodellen verbessern und erfordert nur eine kurze Kalibrierung.

Oossa · 2026-11-05 · https://oossa.com/de/peek-aims-to-reduce-diffusion-image-errors-during-sampling

Forschende haben PEEK vorgestellt, ein Plugin für Diffusions-Bildgeneratoren, das kein zusätzliches Training erfordert. Bei ausgewählten Sampling-Schritten wertet es den Denoiser ein weiteres Mal aus und nutzt diese Vorhersage, um den nächsten Schritt anzupassen. So soll Exposure Bias verringert werden – also die Diskrepanz zwischen den Eingaben beim Training und den unvollkommenen Eingaben, mit denen ein Modell während der Generierung konfrontiert ist.

Die Autorinnen und Autoren berichten von Verbesserungen gegenüber Vergleichsmethoden mit gleich vielen Denoiser-Auswertungen – bei acht Modellen im Pixel- und Latent-Raum, darunter auch textgesteuerte Modelle. Den Angaben zufolge verbesserte sich der FID-Wert um bis zu 49.3%; die Kalibrierung des Plugins für ein Modell dauerte in ihren Experimenten höchstens 2.2 Minuten.

## Die Fakten

- Die Arbeit wurde für NeurIPS 2026 angenommen.
- Die Autorinnen und Autoren testeten PEEK mit acht Diffusionsmodellen und berichten von FID-Verbesserungen um bis zu 49.3%.

## Warum es wichtig ist

Für Teams, die an Diffusions-Bildgeneratoren forschen, bietet PEEK eine Methode auf Sampling-Ebene, die sich ohne erneutes Training testen lässt. Die Arbeit zeigt jedoch nicht, wie gut sie sich in Produkten im Einsatz bewährt.

## Quellen und Referenzen

1. [PEEK: One-Step-Look-Ahead Exposure Bias Correction for Diffusion Sampling](https://arxiv.org/abs/2611.05407) – arXiv cs.CV, 2026-11-05

Zuletzt aktualisiert: 2026-11-05