条件扩散采样中的压缩引导
计算机视觉与模式识别
2024-10-23 v2
摘要
我们发现，由于模型拟合问题，Throughout the sampling process enforcing guidance往往是反生产的，样本被'调教'以匹配分类器的参数，而非泛化预期条件。本工作识别并量化了该问题，表明在大量采样步骤中减少或排除引导可缓解此问题。通过在大量采样步骤上分配少量引导，我们观察到在图像质量和多样性方面取得显著提升，同时还能将所需的引导步骤减少近40%。本方法解决了将引导有效应用于生成任务的主要挑战。因此，我们提出的方法称为压缩引导(Compress Guidance)，可在仍超过基线模型的图像质量下，排除大量引导步骤。我们通过在多个数据集和模型上针对标签条件和文本到图像生成任务进行基准测试来验证了该方法。
引用
@article{arxiv.2408.11194,
title = {Compress Guidance in Conditional Diffusion Sampling},
author = {Anh-Dung Dinh and Daochang Liu and Chang Xu},
journal= {arXiv preprint arXiv:2408.11194},
year = {2024}
}
备注
10 pages, 5 figures, Computer Vision and Machine Learning