深入理解无分类器引导的机制
计算机视觉与模式识别
2025-11-12 v3
摘要
无分类器引导（CFG）是驱动最先进图像生成系统的核心技术，但其底层机制仍缺乏深入理解。在本研究中，我们首先在一个简化的线性扩散模型中分析 CFG，并表明其行为与在非线性情况下观察到的非常相似。我们的分析表明，线性 CFG 通过三个不同的组成部分提高生成质量： 均值偏移项，近似地将样本引导至类别均值方向； 正对比主成分（CPC）项，放大类别特定特征； 负 CPC 项，抑制在无条件数据中普遍存在的通用特征。然后，我们在真实的非线性扩散模型中验证了这些见解：在广泛的噪声水平范围内，线性 CFG 表现出与其非线性对应物相似的行为。尽管两者最终在低噪声水平下出现分歧，但我们讨论了线性分析的见解如何仍然能够阐明非线性机制下 CFG 的机制。
引用
@article{arxiv.2505.19210,
title = {Towards Understanding the Mechanisms of Classifier-Free Guidance},
author = {Xiang Li and Rongrong Wang and Qing Qu},
journal= {arXiv preprint arXiv:2505.19210},
year = {2025}
}