基于自适应缩放的无分类器引导
计算机视觉与模式识别
2025-02-18 v1
摘要
无分类器引导 (CFG) 是当代文本驱动扩散模型中的关键机制。在实际应用中，我们可以观察到控制引导影响与生成图像质量与提示匹配度之间的权衡。当我们使用强引导时，生成的图像会完美匹配条件文本，但以图像质量为代价。另一方面，使用较弱的引导可生成高质量结果，但生成的图像不符合我们的提示。在本文中，我们提出了 β-CFG (β-自适应缩放中的无分类器引导)，通过梯度基准的自适应归一化来稳定引导效果。其次，β-CFG 使用单模态 (β-分布)、时间依赖曲线，动态调整扩散去噪过程中的提示匹配与样本质量之间的权衡。我们的方法获得了更好的FID分数，同时将文本到图像CLIP相似度维持在与参考CFG相当的水平。
引用
@article{arxiv.2502.10574,
title = {Classifier-free Guidance with Adaptive Scaling},
author = {Dawid Malarz and Artur Kasymov and Maciej Zięba and Jacek Tabor and Przemysław Spurek},
journal= {arXiv preprint arXiv:2502.10574},
year = {2025}
}