扩散模型的几何感知离散化误差

研究针对扩散模型反向 ODE/SDE 采样中有限去噪步数导致的离散化误差，推导出 Euler-Maruyama 弱误差与 Frechet 误差的渐近精确小步长展开式，并给出高斯数据下的显式公式。理论预测步数预算越小时最优随机性越低，并据此提出可适配数据功率谱的重缩放系数与新型有效噪声调度。在多个真实图像数据集上的实验显示，FID 最优参数与理论定性预测一致。