Uni-Classifier: 利用视频扩散先验进行通用引导分类器
计算机视觉与模式识别
2026-03-24 v1
摘要
在实际 AI 工作流程中，复杂任务常涉及链式多个生成模型，例如在 2D 图像生成器之后使用视频或 3D 生成模型。然而，上游模型输出与下游模型预期输入之间存在分布性差异，常常导致整体生成质量下降。为解决此问题，我们提出了 Uni-Classifier (Uni-C)，一个简单而有效的即插即用模块，利用视频扩散先验来指导前置模型的去噪过程，从而将其输出与下游要求对齐。Uni-C 也可以独立应用于单个生成模型，以提升其输出质量。广泛的实验在视频和 3D 生成任务中表明，Uni-C 在基于工作流程和独立设置两种情况下均能一致提升生成质量，凸显其灵活性和强大泛化能力。
引用
@article{arxiv.2603.20382,
title = {Uni-Classifier: Leveraging Video Diffusion Priors for Universal Guidance Classifier},
author = {Yujie Zhou and Pengyang Ling and Jiazi Bu and Bingjie Gao and Li Niu},
journal= {arXiv preprint arXiv:2603.20382},
year = {2026}
}
备注
Accepted by ICME 2026