时序对齐指导：扩散模型中的流形上采样
机器学习
2025-10-14 v1 人工智能
摘要
扩散模型作为生成模型已取得显著成功。然而，即使经过良好训练的模型也会在生成过程中积累误差。当对样本施加任意指导以引导其趋向于所需属性时，这些误差尤为棘手，常常破坏样本的保真度。本文提出了一种通用解决方案，以解决扩散模型中观察到的离流形现象。我们的方法利用时间预测器估计每个时间步与所需数据流形之间的偏差，发现更大的时间间隔与生成质量下降相关。我们随后设计了一种新颖的指导机制，“时序对齐指导”（Temporal Alignment Guidance, TAG），在生成过程中每个时间步都将样本吸引回所需流形。通过大量实验，我们展示 TAG 在各个下游任务中均能显著提升生成质量，使每个时间步的样本都紧密对齐所需流形。
引用
@article{arxiv.2510.11057,
title = {Temporal Alignment Guidance: On-Manifold Sampling in Diffusion Models},
author = {Youngrok Park and Hojung Jung and Sangmin Bae and Se-Young Yun},
journal= {arXiv preprint arXiv:2510.11057},
year = {2025}
}
备注
54 pages, 17 figures, 18 tables