09:50
官方账号arXiv cs.LG@Shiheng Zhang
推荐理由：这篇论文找到了CFG在高引导下翻车的数学原因，还给了个零成本修复，CIFAR-10和SD1.5上点FID全胜，做采样的人值得看看。
数值分析
共 1 条相关 AI 资讯
7月9日
09:50
无分类器引导(CFG)在大强度下导致扩散采样过饱和。作者通过数值分析指出，DDIM步是未引导终端层的唯一拟合算子，而引导使判别子空间以指数1+w重新变硬。他们提出单系数零额外NFE修复：将CFG的w(r-1)替换为r^(1+w)-r。在CIFAR-10和Stable Diffusion 1.5 DDIM上，该方法以9/9点FID优于CFG，并减少残差放大和饱和，但并非通用质量提升。