基于固定点迭代器的身份保持蒸馏抽样
计算机视觉与模式识别
2025-03-26 v2
摘要
得分蒸馏抽样 (SDS) 展示了一种强大的能力，用于从学习得分函数中蒸馏知识，以实现文本条件下的2D图像和3D物体生成。然而，SDS常常因噪声梯度而受到模糊的影响。当SDS遇到图像编辑时，这些退化可以通过调整参考对对的偏置移位来减少，但去偏技术仍然受到错误梯度的污染。为此，我们引入身份保持蒸馏抽样 (IDS)，其补偿导致结果中不希望的变化的梯度。基于分析，这些误差来自文本条件得分，提出了一种新的正则化技术，称为固定点迭代正则化 (FPR)，用于修改得分本身，以实现即使包括姿态和结构的身份保存。得益于FPR的自我纠正，本方法在图像到图像编辑和可编辑神经辐射场 (NeRF) 中提供了与给定提示相对应的清晰且无歧义的表示。与其他最先进的方法相比，源数据和编辑后数据的结构一致性明显保持。
引用
@article{arxiv.2502.19930,
title = {Identity-preserving Distillation Sampling by Fixed-Point Iterator},
author = {SeonHwa Kim and Jiwon Kim and Soobin Park and Donghoon Ahn and Jiwon Kang and Seungryong Kim and Kyong Hwan Jin and Eunju Cha},
journal= {arXiv preprint arXiv:2502.19930},
year = {2025}
}