このドキュメントは AI によって生成されました。誤りを発見された場合、または改善のご提案がありましたら、ぜひご貢献ください！ GitHub で編集するこのノードは、研究論文『拡散モデルにおける露出バイアスの解明（Elucidating the Exposure Bias in Diffusion Models）』で提案された Epsilon Scaling 手法を実装しています。これは、サンプリング過程において予測されたノイズをスケーリングすることで露出バイアスを低減し、生成画像の品質向上を図る手法です。本実装では、論文で推奨されている「均一スケジュール（uniform schedule）」を採用しています。
入力
| パラメーター | データ型 | 必須 | 範囲 | 説明 |
|---|---|---|---|---|
model | MODEL | はい | - | Epsilon Scaling のパッチを適用する対象のモデルです。 |
scaling_factor | FLOAT | いいえ | 0.5 – 1.5 | 予測ノイズをスケーリングするための係数です。1.0 より大きい値ではノイズが減少し、1.0 より小さい値ではノイズが増加します（デフォルト：1.005）。 |
出力
| 出力名 | データ型 | 説明 |
|---|---|---|
model | MODEL | 入力モデルに Epsilon Scaling 機能をサンプリング過程に適用した、パッチ済みのモデルです。 |