无分类器自由引导的扩散模型
计算机视觉与模式识别
2025-02-18 v1 人工智能
机器学习
摘要
本文提出了Model-guidance（MG），一种用于训练扩散模型的新型目标函数，旨在解决并消除常用的分类器自由引导（CFG）。我们的创新方法超越了仅对数据分布进行标准建模的范围，进一步纳入了条件的后验概率。该技术源自CFG的思想，简单且有效，可作为现有模型的即插即用模块。我们的方法显著加速了训练过程，将推理速度提升一倍，并实现了与现有带CFG的扩散模型并行甚至超越的卓越质量。大量实验证明了该方法在不同模型和数据集上的有效性和可扩展性。最后，我们在ImageNet 256基准测试上建立了最先进性能，FID达到1.34。我们的代码可在 https://github.com/tzco/Diffusion-wo-CFG 获取。
引用
@article{arxiv.2502.12154,
title = {Diffusion Models without Classifier-free Guidance},
author = {Zhicong Tang and Jianmin Bao and Dong Chen and Baining Guo},
journal= {arXiv preprint arXiv:2502.12154},
year = {2025}
}