通过流形投影改进分类器自由指导在流匹配中的应用

分类器自由指导（CFG）是扩散和流模型中用于可控生成的广泛使用技术。尽管其经验性成功，CFG依赖于启发式线性外推，常对指导比例敏感。本文通过优化视角对CFG进行原则化解释。我们展示，流匹配中的速度场对应于一系列平滑距离函数的梯度，这些梯度引导潜在变量趋向缩放目标图像集合。这种视角揭示了标准CFG公式是该梯度的近似，其中预测差距——即条件输出与无条件输出之间的差异——决定了指导灵敏度。基于这一洞见，我们将CFG采样重新表述为带有流形约束的同伴优化。这一表述需要进行流形投影步骤，我们通过采样期间的渐进梯度下降方案实现。为提高计算效率和稳定性，我们进一步采用Anderson加速来增强该迭代过程，而无需额外的模型评估。我们提出的方法无需训练，能持续改进生成保真度、提示对齐度以及对指导比例的鲁棒性。我们在多个基准测试中验证了其有效性，证明在DiT-XL-2-256、Flux和Stable Diffusion 3.5等大型模型上均取得显著改进。