# PEEK ska minska bildfel under sampling

> Forskare föreslår ett plugin för sampling som inte kräver träning. Enligt dem förbättrar det bildgenereringens resultat i åtta diffusionsmodeller, med en mindre kostnad för kalibrering.

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

Forskare har presenterat PEEK, ett plugin för diffusionsbaserade bildgeneratorer som inte kräver träning. Vid utvalda steg i samplingprocessen gör det en extra utvärdering av brusreduceraren och använder sedan den förutsägelsen för att justera nästa steg. På så sätt ska det minska exponeringsbias – skillnaden mellan indata under träningen och de ofullkomliga indata som modellen möter när den genererar bilder.

Författarna rapporterar förbättringar jämfört med baslinjer med lika många utvärderingar av brusreduceraren, i åtta modeller för pixel- och latentutrymmen, även i textstyrda tillämpningar. De rapporterar FID-förbättringar på upp till 49.3%; i deras experiment tog det högst 2.2 minuter att kalibrera pluginet för en modell.

## Fakta

- Artikeln antogs till NeurIPS 2026.
- Författarna testade PEEK på åtta diffusionsmodeller och rapporterar FID-förbättringar på upp till 49.3%.

## Varför det spelar roll

För team som forskar på diffusionsbaserade bildgeneratorer erbjuder PEEK en metod på samplernivå som går att testa utan omträning. Artikeln visar dock inte hur väl metoden fungerar i produkter som används i praktiken.

## Källor och referenser

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

Senast uppdaterad: 2026-11-05