中科大等500篇文献综述，剖析扩散模型生成一致性问题
扩散模型生成一致性比画质更关键：综述揭示模型常“不听指令”，并提出三类一致性关系及解决框架。
扩散模型生成质量虽高，但常违反用户指令：漏画物体、颜色位置错误、身份不连贯。一篇500+文献综述将生成一致性分为三类：结果与条件匹配（外部）、跨结果连贯（内部）、符合人类现实标准（规范），并梳理了评估与优化方法。
正文摘录
 新智元报道  【新智元导读】 扩散模型已经越来越会「画」，却还远没有学会「守住要求」。决定系统是否可靠的，已不再只是画质，而是生成结果能否持续遵守条件、维持状态，并符合人类与现实世界的基本标准。 过去几年，扩散模型最显著的进步，是生成质量越来越高。 从文生图、图像编辑，到个性化生成、视频和三维内容创建，模型已经能够产生非常逼真的视觉结果。很多时候，一张生成图片单独摆在面前，我们甚至很难判断它是否来自真实世界。 但当生成任务变得复杂，一个比画质更基础的问题开始暴露出来： 图像看起来正确不代表模型真的完成了任务。 你要求模型生成三只猫，它可能只画出两只；你要求红色方块位于蓝色圆球左边，模型可能生成了两个物体，却把颜色和位置关系弄反；你让模型连续生成同一个人物，它可能在每张图片里都画出一张好看的脸，但这些脸并不属于同一个人。 视频中的问题更加明显。每一帧单独看都很逼真，人物的衣服却不断变化，手里的物体会突然消失，前一秒建立的场景状态在后一秒不复存在。多视图生成也一样：每个角度都像一件合理的物体，但这些视图放在一起，却无法还原成同一个三维结构。 这些失败并不完全属于「生成质量差」。更准确地说，它们属于另一类问题： 模型没有稳定地遵守它应该遵守的关系，即 生成一致性。