通过语义退化条件引导扩散模型

分类器自由指导（Classifier-Free Guidance, CFG）是现代文本到图像模型的基石，但其依赖语义空洞的空提示词（$\varnothing$）会产生易受几何纠缠的指导信号，这是限制其精度的关键因素，导致在复杂组合任务中出现显著失效。我们提出条件退化指导（Condition-Degradation Guidance, CDG）一种新范式，将空提示词替换为策略性退化的条件 $\boldsymbol{c}_{\text{deg}}$。这将指导从粗糙的“好 vs. 空”对比重构为更精细的“好 vs. 接近好”区分，从而迫使模型捕获细粒度语义差异。我们发现变换器文本编码器中的标记分为两种功能角色：编码对象语义的内容标记，以及捕获全局语境的上下文聚合标记。通过仅退化前者，CDG 在无需外部模型或训练的情况下构建 $\boldsymbol{c}_{\text{deg}}$。在包括 Stable Diffusion 3、FLUX 和 Qwen-Image 在内的多种架构上进行验证，CDG 在组合准确性和文本图像对齐方面显著提升。作为一种轻量级、即插即用的模块，CDG 仅需极少的计算开销即可实现。我们的工作挑战了静态信息稀疏负样本的依赖，确立了扩散指导的新原则：构建自适应且语义感知的负样本对于实现精确语义控制至关重要。代码已公开于 https://github.com/Ming-321/Classifier-Degradation-Guidance。