# PEEK、拡散画像生成のサンプリング時の誤りを低減

> 研究者らは、8種類の拡散モデルで画像生成スコアの向上を報告した、学習不要のサンプラー用プラグインを提案した。導入時には短時間のキャリブレーションが必要となる。

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

研究者らは、拡散画像生成モデル向けの学習不要プラグイン「PEEK」を発表した。選択したサンプリングステップでデノイザーの評価を追加で行い、その先読み予測を使って次のステップを調整することで、露出バイアスを低減する。露出バイアスとは、学習時にモデルへ与えられる入力と、生成時にモデルが実際に受け取る不完全な入力とのずれを指す。

著者らによると、テキスト条件付きの構成を含む、ピクセル空間および潜在空間の8種類のモデルで、デノイザーの評価回数をそろえたベースラインより性能が向上した。FIDの改善幅は最大49.3%に達したという。また、実験ではモデルごとのプラグインのキャリブレーションにかかった時間は最長でも2.2分だった。

## 事実

- この論文はNeurIPS 2026に採択された。
- 著者らは8種類の拡散モデルでPEEKを検証し、FIDが最大49.3%改善したと報告している。

## なぜ重要か

拡散画像生成モデルを研究するチームにとって、PEEKは再学習なしで試せるサンプラー側の手法となる。ただし、この論文では実際の製品に導入した場合の性能は明らかにされていない。

## 出典と参考資料

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

最終更新: 2026-11-05