注意力频率调制：扩散跨注意力的训练-free 谱调制

跨注意力是文本条件潜在扩散模型的主要接口，然而其 step-wise 多分辨率动力学仍未得到充分阐述，这限制了原则性训练-free 控制。我们将扩散跨注意力视为潜在网格上的时空信号，通过将 token-softmax 权重总结为无token 的浓度图，并跟踪其径向分箱 Fourier 功率随去噪过程的变化。跨注意力在不同提示和随机种子下表现出一致的粗到细谱序列，形成 token 竞争的稳定时频指纹。基于此结构，我们引入注意力频率调制 (Attention Frequency Modulation, AFM)，一种即插即用的数据集时干预，通过编辑 Fourier 域中的 token 级 pre-softmax 跨注意力 logits：低频和高频带按进度对齐的 schedule 进行重新加权，可通过 token 分配熵进行自适应门控，随后再经 softmax。AFM 提供了一种连续手段，用于在无需重新训练、提示编辑或参数更新的情况下偏向 token 竞争模式的空间尺度。实验在 Stable Diffusion 上表明，AFM 可靠地重新分配注意力谱并产生显著视觉编辑，同时基本保持语义对齐。最后，我们发现熵主要作为同一频率基础编辑的自适应增益，而非独立的控制轴。