基于低频信号重新思考分类自由指导中的过饱和问题
计算机视觉与模式识别
2025-06-27 v1
摘要
分类自由指导（Classifier-free guidance, CFG）通过使用指导比例来平衡条件项和无条件项的影响，在条件扩散模型中取得了成功。使用高指导比例可增强条件项的性能。然而，高指导比例常常导致过饱和和不真实的构件。在本文中，我们提出了一种基于低频信号的新视角，识别低频信号中冗余信息的积累作为过饱和和不真实构件的关键因素。基于这一洞察，我们提出了基于低频改进的分类自由指导（LF-CFG）以缓解此类问题。具体而言，我们引入一种基于自适应阈值的测量，以定位冗余信息的位置。通过分析先前步骤和当前步骤之间低频信息的变化率，我们确定一个合理的阈值。随后，我们应用一种下加权策略，以减少低频信号中冗余信息的影响。实验结果表明，LF-CFG 在包括 Stable Diffusion-XL、Stable Diffusion 2.1、3.0、3.5 和 SiT-XL 在内的各种扩散模型中有效缓解了过饱和和不真实构件。
引用
@article{arxiv.2506.21452,
title = {Rethinking Oversaturation in Classifier-Free Guidance via Low Frequency},
author = {Kaiyu Song and Hanjiang Lai},
journal= {arXiv preprint arXiv:2506.21452},
year = {2025}
}