无分类器引导权重调度器分析
计算机视觉与模式识别
2025-01-23 v2 机器学习
摘要
无分类器引导（CFG）提升了文本到图像扩散模型的质量与条件依从性。它通过使用固定权重结合条件预测和无条件预测来运作。然而，近期的研究在整个扩散过程中改变权重，报告了更优的结果，但未提供任何原理或分析。通过进行全面的实验，本文对 CFG 权重调度器提供了深入见解。我们的发现表明，简单的单调递增权重调度器能持续带来性能提升，且仅需单行代码的修改。此外，更复杂的参数化调度器可以通过优化获得进一步提升，但无法在不同模型和任务间泛化。
引用
@article{arxiv.2404.13040,
title = {Analysis of Classifier-Free Guidance Weight Schedulers},
author = {Xi Wang and Nicolas Dufour and Nefeli Andreou and Marie-Paule Cani and Victoria Fernandez Abrevaya and David Picard and Vicky Kalogeiton},
journal= {arXiv preprint arXiv:2404.13040},
year = {2025}
}