角度域引导：潜在扩散需要旋转而非外推
机器学习
2025-06-26 v1 人工智能
摘要
无分类器引导（CFG）已成为文本到图像潜在扩散模型的关键进展，是高质量图像合成的基础技术。然而，在文本与图像对齐度显著增强的高引导权重下，CFG 也会导致生成图像出现明显的颜色失真。我们发现这些失真源于潜在空间中样本范数的放大。我们提出了一个理论框架，阐明了无分类器引导引发范数放大与异常扩散现象的机制。基于我们的理论见解与潜在空间结构，我们提出了一种角度域引导（ADG）算法。ADG 在优化角度对齐的同时约束幅度变化，从而在保留高引导权重下增强的文本-图像对齐的同时缓解颜色失真。实验结果表明，ADG 显著优于现有方法，生成的图像不仅保持了优异的文本对齐，还展现出更高的颜色保真度，且更符合人类感知偏好。
引用
@article{arxiv.2506.11039,
title = {Angle Domain Guidance: Latent Diffusion Requires Rotation Rather Than Extrapolation},
author = {Cheng Jin and Zhenyu Xiao and Chutao Liu and Yuantao Gu},
journal= {arXiv preprint arXiv:2506.11039},
year = {2025}
}
备注
Accepted at ICML 2025