### مرور کلی

این گره روش Scaling اپسیلون (Epsilon Scaling) را از مقاله تحقیقاتی "Elucidating the Exposure Bias in Diffusion Models" پیاده‌سازی می‌کند. این روش با مقیاس‌دهی نویز پیش‌بینی‌شده در طول فرآیند نمونه‌گیری، کیفیت نمونه‌ها را بهبود می‌بخشد. از یک برنامه یکنواخت برای کاهش سوگیری مواجهه در مدل‌های انتشار استفاده می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `model` | مدلی که Scaling اپسیلون روی آن اعمال می‌شود | MODEL | بله | - |
| `scaling_factor` | ضریب مقیاس‌دهی نویز پیش‌بینی‌شده (پیش‌فرض: 1.005) | FLOAT | خیر | 0.5 - 1.5 |

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `model` | مدل با Scaling اپسیلون اعمال‌شده | MODEL |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/EpsilonScaling/fa.md)