Oracle Noise：面向可解释潜在优化的更快语义球面对齐
计算机视觉与模式识别
2026-04-28 v1
摘要
文本到图像扩散模型在生成能力方面取得了显著进展，但准确地将复杂文本提示与合成布局对齐仍是持续的挑战。在这些模型中，初始高斯噪声起到关键的结构种子，决定宏观布局。近期的在线优化和搜索方法试图改进这种噪声以增强文本-图像对齐。然而，依赖于无约束的欧几里得梯度上升在数学上会膨胀潜在范数，破坏标准的高斯先验，导致严重的视觉伪影，如颜色过度饱和。此外，这些方法还受益于语义路由效率低下，且容易陷入外部代理模型的“奖励作弊”陷阱。为解决这些交织的瓶颈，我们提出了Oracle Noise，一个零shot框架将噪声初始化重新框定为严格限制在黎巴宙球面上的语义驱动优化。不依赖复杂的外部解析器，我们直接识别提示中最具影响力的结构词，以高效路由优化能量。通过严格在球面路径上更新噪声，我们在数学上保留了原始的高斯分布。这种几何约束消除了范数膨胀，解放了激进的步长以实现快速收敛。广泛的实验表明，Oracle Noise显著加速了语义对齐，并在不使用黑箱模型的情况下实现卓越的美学效果。它完全消除了欧几里得引起的降级，在人类偏好指标（如HPSv2、ImageReward）、语义对齐（CLIP得分）和样本多样性方面实现最先进的性能，全部在严格的2秒优化预算内完成。
引用
@article{arxiv.2604.23540,
title = {Oracle Noise: Faster Semantic Spherical Alignment for Interpretable Latent Optimization},
author = {Haosen Li and Wenshuo Chen and Lei Wang and Shaofeng Liang and Haozhe Jia and Yutao Yue},
journal= {arXiv preprint arXiv:2604.23540},
year = {2026}
}