像素扩散模型的对抗训练后训练研究：恢复高频细节并提升分布保真度

研究首次系统探索像素扩散模型的对抗后训练：在预训练模型上保留原有扩散或流匹配目标，对非高噪声时间步的预测输出加入对抗损失，架构与采样流程不变。在两个像素骨干上，该方法同时提升了分布保真度、覆盖度、提示词对齐和感知质量；频谱分析显示原模型系统性缺失自然图像高频成分，对抗后训练可将其恢复。在测试的潜空间扩散配置下，同样流程未带来可比增益，几乎不增加解码后的高频功率。