在人工智能绘画越来越普及的今天，我们经常会遇到这样的困扰：要么生成的图片模糊不清，要么需要等待很长时间才能得到满意的结果。最近，来自ETH苏黎世和迪士尼研究院的科学家们提出了一个巧妙的解决方案，他们开发出一种名为"历史引导采样"（HiGS）的新技术，能让AI在更短时间内生成更清晰、更精细的图像。这项研究由ETH苏黎世的Seyedmorteza Sadat以及迪士尼研究院的Farnood Salehi和Romann M. Weber共同完成，于2025年9月发表在arXiv预印本平台，论文编号为arXiv:2509.22300v1。

当前的AI绘画技术就像一位画家在创作时需要反复修改和完善，每一步都要仔细思考下一笔该怎么画。然而，这个过程往往需要很多步骤才能完成一幅精美的作品。如果我们想要快速得到结果，就不得不减少绘画步骤，但这样往往会导致画面模糊、缺乏细节。研究团队发现了一个有趣的现象：AI在绘画过程中会产生大量的"草稿"，而这些草稿中蕴含着丰富的信息，如果能巧妙地利用这些信息，就能显著提升最终作品的质量。

这项研究的核心创新在于提出了一种全新的采样策略，它不需要重新训练模型，也不会增加计算成本，却能显著改善图像生成的效果。研究团队通过大量实验证明，这种方法在各种不同的模型和设置下都能带来一致的改善，特别是在快速生成和低引导强度的情况下效果更加明显。更令人惊喜的是，使用这种技术，他们在ImageNet数据集上创造了新的记录，仅用30步就达到了1.61的FID分数，而传统方法需要250步才能达到类似效果。

一、从数学优化角度重新理解AI绘画过程

要理解这项技术的巧妙之处，我们首先需要了解AI是如何"画画"的。传统的扩散模型生成图像的过程可以比作一位雕塑家从一块粗糙的石头开始，逐步雕琢出精美的艺术品。每一步雕琢都需要雕塑家判断下一刀该往哪里切，这个判断过程就相当于AI模型的"神经网络评估"。

研究团队发现，这个雕琢过程实际上可以用数学中的"随机梯度下降"来理解。简单来说，就像我们在爬山时需要选择最佳路径到达山顶一样，AI在生成图像时也在寻找通往最佳结果的路径。传统方法就像一个人独自爬山，只根据当前位置决定下一步怎么走。而HiGS技术则像是给这个爬山者配备了一个智能向导，这个向导会记住之前走过的路径，并根据历史经验提供更好的方向指引。

具体来说，研究团队将扩散模型的欧拉采样器重新解释为在时变能量函数上执行随机梯度下降。这种理解方式启发他们借鉴了优化理论中的STORM算法思想，该算法通过利用连续步骤之间的梯度差异来减少方差，从而获得更稳定的更新方向。当应用到扩散采样中时，这意味着可以利用模型在不同时间步的预测差异来改善当前的采样方向。

更进一步，研究团队证明了HiGS能够将欧拉求解器的局部截断误差从O(h²)改善到O(h³)，其中h是步长。这种改善直接转化为全局误差从O(h)提升到O(h²)，意味着在相同的采样步数下能获得更高的精度，或者在更少的步数下达到相同的精度。这就像是给雕塑家提供了更精确的工具，让每一刀都更加准确有效。

二、历史信息的巧妙运用策略

HiGS技术的核心思想是充分利用AI在生成过程中产生的历史预测信息。这就像一位经验丰富的厨师在烹饪时不仅关注当前的火候，还会回顾之前每个步骤的状态变化，从而做出更精准的调整。

在具体实现上，研究团队设计了一个滑动窗口机制来存储最近几步的模型预测结果。这个窗口的大小可以调节，就像调节厨师的"记忆长度"一样。对于存储在历史缓冲区中的信息，他们采用了指数移动平均的方式来计算加权平均值，这样可以确保最近的预测获得更高的权重，而较早的预测影响逐渐减弱。

当使用分类器自由引导（CFG）时，研究团队发现存储CFG引导后的预测比存储原始条件输出更有效。这是因为CFG引导后的预测已经包含了条件信息的增强，能够提供更丰富的指导信号。然后，他们计算当前预测与历史加权平均之间的差异，这个差异向量就成为了改善采样质量的关键指导信号。

为了最大化这种历史信息的效用，研究团队还设计了一个时间相关的权重调度策略。他们发现HiGS的效果在采样的早期和中期阶段最为明显，而在后期阶段可能会引入不必要的噪声。因此，他们采用了一个平方根调度函数，在指定的时间区间内逐渐调整历史信息的影响强度，确保在最需要的时候发挥最大作用。

三、解决色彩失真和过饱和问题的技术细节

在实际应用中，研究团队发现直接使用历史差异信号有时会导致颜色组合不真实或过饱和的问题。为了解决这些问题，他们开发了两个重要的技术改进。

第一个改进是正交投影技术。研究团队发现，历史差异向量中包含两个成分：一个是与当前预测平行的成分，另一个是垂直的成分。平行成分往往会导致过饱和，而垂直成分则有助于增强细节和结构。因此，他们设计了一个投影机制，可以选择性地减弱平行成分的影响，同时保留垂直成分的贡献。这就像调节画笔的力度，既要保持色彩的鲜艳，又要避免过度渲染。

第二个改进是频域滤波技术。研究团队观察到，不真实的颜色组合主要对应图像的低频成分，而细节和纹理信息则对应高频成分。基于这个观察，他们采用离散余弦变换（DCT）将更新向量转换到频域，然后使用sigmoid高通滤波器来衰减低频信号，保留高频信息。这个过程就像音响系统中的均衡器，可以选择性地调节不同频率成分的强度。

滤波器的设计采用了径向频率的概念，通过调节截止阈值和过渡锐度参数，可以精确控制哪些频率成分被保留或衰减。这种频域处理有效地消除了颜色偏移问题，同时保持了图像的细节增强效果。最终的更新规则将CFG预测、时间权重调度、正交投影和频域滤波有机结合，形成了一个完整的HiGS采样框架。

四、多样化实验验证与性能表现

为了全面验证HiGS技术的有效性，研究团队进行了大规模的实验评估，涵盖了多种不同的模型架构、数据集和评估指标。这些实验就像对一款新药进行临床试验，需要在各种不同的条件下测试其安全性和有效性。

在文本到图像生成任务上，研究团队主要使用了Stable Diffusion系列模型，包括Stable Diffusion XL、Stable Diffusion 3和Stable Diffusion 3.5。他们采用HPSv2作为主要的质量和提示对齐评估指标，因为这个指标与人类判断的一致性最高。同时，他们还报告了ImageReward和CLIP Score等补充指标，以确保评估的全面性。

实验结果显示，HiGS在所有测试的引导强度范围内都能带来显著改善。特别值得注意的是，在低引导强度的情况下，HiGS的优势更加明显。这对实际应用具有重要意义，因为低引导强度可以避免过饱和和多样性降低的问题，而HiGS正好补偿了低引导强度下图像质量的不足。

在采样步数的实验中，研究团队发现HiGS在各种步数设置下都能提供一致的改善。无论是10步的快速生成还是30步的高质量生成，HiGS都能显著提升最终结果的质量。这种一致性表明HiGS是一个真正通用的增强技术，不依赖于特定的采样预算。

五、ImageNet基准测试中的突破性成果

在类条件图像生成的标准基准测试中，HiGS展现出了令人瞩目的性能提升。研究团队使用了最新的SiT-XL模型配合REPA技术，在ImageNet 256×256数据集上进行了全面测试。

最令人印象深刻的结果是在无引导生成（即不使用CFG）的情况下，HiGS将最先进的FID分数从1.83提升到1.61，而且只需要30个采样步骤，相比传统方法的250步实现了超过8倍的加速。这个成果就像在赛车比赛中不仅跑得更快，还能保持更好的操控性能。

在有引导的生成任务中，HiGS同样表现出色。它能够在仅用40步的情况下达到与传统250步方法相当的性能，这意味着在保持相同质量的前提下，生成速度提升了6倍以上。这种加速对于实际应用具有重要价值，特别是在需要实时或近实时生成的场景中。

除了FID分数的改善，HiGS在其他评估指标上也表现出一致的提升。Inception Score、Precision和Recall等指标都显示出明显的改善，表明HiGS不仅提高了图像质量，还保持了良好的多样性。这种全方位的改善证明了HiGS技术的稳健性和可靠性。

六、与蒸馏模型的兼容性验证

现代AI图像生成领域的一个重要趋势是模型蒸馏，即训练一个更小、更快的"学生"模型来模仿大型"教师"模型的行为。研究团队特别测试了HiGS与这类蒸馏模型的兼容性，结果表明两种技术可以很好地协同工作。

在SDXL-Flash和SDXL-Lightning等蒸馏模型上的测试显示，HiGS能够进一步提升这些已经优化过的模型的性能。这就像给一辆已经调校过的赛车再安装一个涡轮增压器，能够在现有优化的基础上获得额外的性能提升。

这种兼容性对于实际部署具有重要意义。许多商业应用为了降低计算成本和提高响应速度，会选择使用蒸馏模型。HiGS的加入意味着这些应用可以在不增加计算开销的情况下获得更好的图像质量，这为HiGS的广泛应用奠定了基础。

测试结果显示，即使在蒸馏模型已经大幅减少采样步数的情况下，HiGS仍然能够带来显著的质量提升。这表明HiGS捕获和利用历史信息的机制是独立于模型架构和训练策略的，具有很强的通用性。

七、技术实现的简洁性与实用性

HiGS技术最吸引人的特点之一是其实现的简洁性。整个方法不需要重新训练模型，不需要额外的神经网络评估，也不会增加显著的计算开销。这就像给现有的汽车安装一个简单的导航系统，不需要改动引擎或其他核心部件，却能显著改善驾驶体验。

从计算复杂度的角度来看，HiGS只需要维护一个小的历史缓冲区和进行简单的数学运算。存储开销与输入图像的大小成正比，而计算开销主要是一些基本的向量运算和DCT变换。相比于模型的前向传播计算，这些额外开销几乎可以忽略不计。

研究团队提供的伪代码显示，HiGS的集成过程非常直观。开发者只需要在现有的采样循环中添加几行代码，就能享受到HiGS带来的性能提升。这种即插即用的特性大大降低了技术采用的门槛，使得各种现有的扩散模型应用都能轻松受益。

更重要的是，HiGS与现有的各种采样器都兼容，包括DDIM、DPM++等流行的求解器。这意味着无论用户当前使用什么采样策略，都可以无缝地集成HiGS来获得额外的性能提升。

八、深入的消融实验与设计选择分析

为了深入理解HiGS各个组件的贡献，研究团队进行了详尽的消融实验。这些实验就像拆解一台精密机器，逐个检验每个零件的作用，确保最终设计的每个部分都是必要且有效的。

关于历史窗口大小的选择，实验显示适中的窗口大小（通常3-5步）能够提供最佳的性能平衡。窗口太小会丢失有用的历史信息，而窗口太大则可能引入过时的信息，反而影响当前预测的准确性。这就像选择合适的记忆长度，既要记住有用的经验，又不能被过去的信息束缚。

指数移动平均中的衰减参数α的选择也经过了仔细调优。实验表明，α值在0.6到0.8之间时效果最佳，这个范围能够在保留足够历史信息的同时，确保最近的预测获得适当的权重。过小的α值会使历史信息影响过大，而过大的α值则会削弱历史信息的作用。

时间权重调度的设计同样经过了精心优化。研究团队测试了多种不同的调度函数，包括线性、指数和平方根函数。结果显示，平方根调度在大多数情况下表现最佳，因为它能够在采样的关键阶段提供适当的引导强度，同时在后期阶段逐渐减弱影响以避免引入噪声。

九、与其他先进技术的对比与融合

研究团队还将HiGS与其他最新的扩散模型增强技术进行了对比，结果显示HiGS不仅能够独立提供显著改善，还能与其他技术协同工作，产生叠加效应。

与自引导（Autoguidance）技术的对比显示，虽然两种方法都利用了"较弱"模型的信息来改善生成质量，但HiGS的优势在于不需要训练额外的模型。HiGS通过历史预测隐式地构造了一个"较弱"的参考，这个参考完全来自于模型自身的预测历史，因此具有更好的适应性和通用性。

在与自适应投影引导（APG）的结合实验中，HiGS展现出良好的兼容性。两种技术可以同时应用，各自发挥独特的作用：APG主要解决过饱和问题，而HiGS则专注于利用历史信息改善细节和结构。这种互补性使得组合使用能够获得更好的整体效果。

与引导区间（Guidance Interval）技术的结合也证明了HiGS的灵活性。引导区间技术通过在特定时间段内应用CFG来优化采样过程，而HiGS可以在这个框架内进一步利用历史信息，两者的结合产生了协同效应。

十、实际应用场景与未来发展方向

HiGS技术的实用价值在多个实际应用场景中都得到了体现。在内容创作领域，创作者经常需要快速生成大量的概念图或草图，HiGS能够在保证质量的前提下显著加快生成速度，提高创作效率。

在商业应用中，许多公司需要为产品生成大量的营销素材或产品展示图像。传统方法要么生成速度慢，要么质量不够理想。HiGS提供了一个很好的解决方案，能够在有限的计算预算下生成高质量的图像，这对于成本控制和效率提升都具有重要意义。

对于移动设备和边缘计算场景，计算资源的限制使得快速生成变得尤为重要。HiGS的低开销特性使其特别适合这些场景，能够在不增加显著计算负担的情况下改善用户体验。

从技术发展的角度来看，HiGS开启了利用采样历史信息的新研究方向。未来的研究可能会探索更复杂的历史信息利用策略，比如自适应窗口大小、动态权重调整，或者与强化学习结合的在线优化方法。

研究团队也指出了当前方法的一些局限性。HiGS仍然继承了底层扩散模型的偏见和限制，虽然程度有所减轻。此外，在某些特殊场景下，历史信息可能会引入不期望的相关性，这需要进一步的研究来解决。

说到底，这项研究为我们展示了一个重要的思路：有时候最好的改进不是从零开始重新设计，而是巧妙地利用现有系统中被忽视的信息。HiGS技术通过充分挖掘AI绘画过程中的历史信息，在不增加计算成本的前提下显著提升了生成质量和效率。这种"四两拨千斤"的技术思路不仅在当前具有重要的实用价值，也为未来的技术发展提供了有益的启示。

对于普通用户而言，HiGS意味着能够更快地获得更好的AI生成图像，无论是用于个人创作还是商业用途。对于研究者和开发者来说，这项技术提供了一个简单而有效的工具来改善现有的扩散模型应用。随着这项技术的进一步发展和普及，我们有理由期待AI图像生成领域将迎来新的突破和应用可能。如果读者对这项研究的技术细节感兴趣，可以通过论文编号arXiv:2509.22300v1查阅完整的研究报告。

Q&A

Q1：HiGS技术是什么？它是如何工作的？A：HiGS（历史引导采样）是一种新的AI图像生成优化技术，它通过记住AI在绘画过程中之前几步的"草稿"信息，然后利用这些历史信息来指导当前步骤的绘画方向。就像一个画家会参考之前的笔触来决定下一笔怎么画一样，HiGS让AI能够从自己的绘画历史中学习，从而生成更清晰、更精细的图像。

Q2：使用HiGS技术需要重新训练AI模型吗？A：不需要。HiGS最大的优势就是它是一个"即插即用"的技术，不需要重新训练任何模型，也不会增加计算成本。它就像给现有的汽车安装一个导航系统，不需要改动引擎，却能显著改善驾驶体验。任何现有的扩散模型都可以直接使用HiGS来提升性能。

Q3：HiGS技术在实际应用中能带来多大的改善？A：根据研究结果，HiGS能够将图像生成速度提升6-8倍，同时保持甚至改善图像质量。在ImageNet数据集上，它创造了新的记录，仅用30步就达到了传统方法需要250步才能达到的效果。对于普通用户来说，这意味着能够更快地获得更高质量的AI生成图像。