详细内容或原文请订阅后点击阅览
无分类器指导是一种预测器-校正器
我们研究了无分类器指导 (CFG) 的不合理有效性。CFG 是文本到图像扩散模型的条件采样的主要方法，但与扩散的其他方面不同，它的理论基础仍然不稳定。在本文中，我们通过展示 CFG 与 DDPM 和 DDIM 的交互方式不同，并且 CFG 的采样器都不会生成伽马驱动分布，从而反驳了常见的误解。然后，我们通过展示它是一种在去噪和锐化之间交替的预测校正 (PC) 方法来阐明 CFG 的行为，我们称之为……
来源:Apple机器学习研究我们研究了无分类器指导（CFG）的不合理有效性.CFG是文本到图像扩散模型的有条件采样的主要方法，但尚未取消扩散的其他方面，它仍然处于摇摆理论的基础上。在本文中，我们通过证明CFG与DDPM和DDIM的相互作用不同，与CFG相互作用不同，而CFG的采样器都不会产生γ功率的分布。然后，我们通过表明它是一种预测型（PC）的方法来阐明CFG的行为，以表明它在demodor and profance neward offerction the PCERTACTION（PC）指南（我们均可表现为PC）。 DDPM-CFG等效于PCGWITH应用于条件分布的DDIM预测变量，而Langevin Dynamics Crorceor将其应用于伽马驱动的分布。虽然标准PC校正器适用于条件分布并提高采样精度，但我们的校正器促进了分布。