CFG-OEC：基于正交误差校正的分类器自由引导
机器学习
2026-05-27 v2 人工智能
摘要
分类器自由引导是扩散模型中用于条件采样的标准方法，但其采样规则不符合训练中使用的目标。这一不匹配导致通过条件和无条件预测误差的相互作用引发结构性采样误差。我们通过将采样误差分解为基项和由两个误差对齐决定的交叉项来分析此问题。基于此分析，我们提出了带有正交误差校正(CFG-OEC)的CFG，这是一种结构性修改，可减少交叉项。在实际情况下由于无法观测到真实噪声，我们引入一种由模型预测计算得到的代理值，并提出一种在扩散时间步上稳定校正的方法。在受控环境下的实验验证了我们的理论误差分解和代理构建。Stable Diffusion v1.5和Stable Diffusion XL上的图像生成表明，CFG-OEC在 various 采样器和引导 regime 下相对于CFG和CFG++在FID和CLIP分数上均取得改进。
引用
@article{arxiv.2511.14075,
title = {CFG-OEC: Classifier Free Guidance with Orthogonal Error Correction},
author = {Nakgyu Yang and Yechan Lee and SooJean Han},
journal= {arXiv preprint arXiv:2511.14075},
year = {2026}
}