好多东谈主第一次认为图像生成模子还是鼓胀强，通常是在它能快速画出一张看上去可以的图的时候。但信得过启动不时使用之后，又会逐渐发现另一面。

比如作念一张活动主视觉，前几次生成里主体、色彩、氛围齐对了，可一放大细节就会发现手部、材质、边际探究经不起看。再比如给一篇著作配封面，模子明明一语气了主题，却总在终末呈面前把要点元素放错位置，或者让画面作风和语义之间出现细微但难以薄情的偏差。

这正是当前生成式 AI 参加大边界专揽之后，行业越来越防御的一类问题。今天的 diffusion 模子还是不缺生成智商，缺的是更沉稳、更可控、也更合适确凿使用流程的生成机制。

昔日几年，行业主要依靠更大的模子、更多的数据和更强的算力推动成果上涨，但当模子智商连续迫临高位之后，好多问题启动不再阐述为能不可生成，而是能不可沉稳地生成对。换句话说，竞争的要点正在从模子会不会画，转向模子能不可在每一步齐朝着正确标的画。

这个变化相配要津，因为它意味着生成模子的发展正在从边界驱动走向机制驱动。

在这个配景下，来自上海交通大学与 vivo BlueImage Lab 的参谋团队建议了《C ² FG Control Classifier Free Guidance via Score Discrepancy Analysis》。参谋切中的恰正是行业正在遭受的阿谁深层矛盾。

昔日粗鄙使用的 guidance 边幅，本体上默许生成流程中的要求领导强度可以保捏固定，但确凿的 diffusion 流程并不是静止的，模子在不同阶段对要求信息的依赖进度并不一样。参谋东谈主员收拢的，正是这种永久存在却常被教会调参诡秘的问题。

从这个意思意思上看，C ² FG 代表的不仅仅一次技能修补，而是一种参谋视角的变化。它领导行业，下一阶段信得过进攻的问题，可能不再仅仅把模子作念得更大，而是更精准地一语气生成流程里面到底发生了什么，并据此从头盘算推算遏抑边幅。

论文地址：https://arxiv.org/pdf/2603.08155

C ² FG 更纠正了生要素布自己

在实验驱散方面，参谋团队围绕 ImageNet 这一中枢任务率先考据了次序的举座成果。对比可以发现，在通例的 DiT 模子上，引入 C ² FG   之后最胜利的变化是生成驱散昭着更接近确凿漫衍，这极少体目下 FID 从 2.29 下落到 2.07，同期 IS 从 276.8 提高到 291.5，而 Precision 基本保捏在 0.83，Recall 从 0.57 上涨到 0.59。

这组变化共同讲明，参谋东谈主员的次序并莫得通过葬送质地来疏导各种性，而是在保捏原有精度的情况下，同期让生成图像更领悟、类别更明确，而且覆盖到更广简直凿漫衍区域。比拟之下，如若只看单一方针，很出丑出这种"同期提高多个维度"的成果，而这里的数据组合碰劲体现了这极少。

更要津的是，这种纠正在强模子上依然建造。以 SiT-XL/2 为例，自己还是处在较高性能水平，固定 guidance 时 FID 为 1.80，而 C ² FG   可以把它进一步压到 1.51，同期 IS 从 284.0 提高到 315.0。诚然 Precision 从 0.81 稍许变为 0.80，但 Recall 从 0.61 提高到 0.62，这讲明举座生成智商仍然是增强的，而不是简便的衡量变化。

换句话说，在模子还是很强的情况下，仍然大略在"更确凿"和"更丰富"之间获取更好的均衡，这极少自己就讲明问题不在模子智商，而在 guidance 机制。

当实验鼓吹到更接近性能上限的诞生时，这种趋势依然存在。即使原次序还是达到 FID 1.42 这样的水平，引入 C ² FG   后仍然可以进一步镌汰到 1.41，这种渺小但沉稳的纠正讲明，跟着模子连续迫临极限，差错开首越来越连接在机制层面，而不是网络自己。

雷同的承诺也出目下更复杂的高折柳率任务中，在 512 × 512 诞生下，原次序的 FID 为 6.81，而 C ² FG   可以镌汰到 6.54，同期 IS 从 229.5 提高到 280.9，这标明在更苦恼的生成要求下，次序依然大略改善图像结构和举座领悟度，而不是只在简便场景中有用。

参谋团队还将考据扩张到不同类型的任务中。在文本生成图像任务中，诚然举座提高幅度不如 ImageNet 昭着，但趋势保捏一致，举例 U-ViT 的 FID 从 5.37 下落到 5.28，Stable Diffusion 的 CLIP 分数从 31.8 提高到 31.9，这讲明这种次序不仅适用于类别要求，还对文本要求相同有用，仅仅在更复杂语义拘谨下纠正幅度会相对谦和。

进一步在像素空间任务中，原模子还是可以达到 FID 1.58，在强 baseline 的匡助下下落到 1.04，而加入 C ² FG   后仍然可以络续镌汰到 1.03，这种在接近极限区域仍然存在的纠正，胜利讲明差错并不是来自模子抒发智商，而是来自 guidance 的使用边幅。雷峰网

从更贴近推行专揽的角度来看，参谋东谈主员还分析了推理步数减少时的阐述。在 50 步和 20 步这两种诞生中，FID 齐出现了沉稳下落，而且在 20 步这种更顶点的低计较预算下，提高反而愈加昭着。这意味着，当每一步的方案变得愈加要津时，动态 guidance 的上风会被放大。

终末，通过一个简便的二维 toy 实验，参谋团队展示了更直不雅的承诺，传统次序会产生昭着偏离方针漫衍的特地样本，leyu而 C ² FG   基本不会出现这类 outliers，生要素布也更贴近确凿漫衍，这进一步讲明纠正不仅体目下视觉成果上，更体目下举座概率漫衍的正确性上。

基于逐层考据的实验盘算推算框架

在实验经过的安排上，参谋团队之是以盘算推算这样多档次的实验，并不仅仅为了讲明 C ² FG   比蓝本的次序更好，而是但愿进一步恢复一个更中枢的问题，也等于这种次序为什么会更好。

围绕这个方针，参谋东谈主员搭建了一个逐层鼓吹的考据体系。第一层是机制考据，要点去测要求分支和无要求分支之间的各别，驱懒散现这种各别并不是固定不变的，而是会跟着时间连续变化。

第二层是漫衍考据，也等于通过 toy 实验去不雅察生成驱散是否更接近确凿漫衍，从而判断纠正究竟发生在视觉层面，照旧还是深刻到漫衍层面。

第三层是性能考据，参谋团队把次序放到 ImageNet 这种中枢任务中，胜利查验各种方针能否得到提高。第四层是泛化考据，在这一层里，参谋东谈主员主动更换模子、更换任务，也更换采样边幅，目的等于说明这种纠正并不依赖某一种特定结构或某一种实验要求。

第五层则是极限考据，挑升去测试强模子和少步数这两类更尖刻的情境，因为如若次序在这些诞生下仍然有用，就更能讲明它反应的是一种沉稳例律，而不是巧合承诺。

这样一层一层鼓吹之后，扫数实验就变成了一条圆善的根据链，终末辅助的论断也就不再仅仅"成果更好"，而是"这种纠正背后确乎存在可以叠加考据的机制"。

在这一系列实验中，最要津的不雅察连接在 diffusion 流程不同阶段的变化上。参谋东谈主员发现，在早期阶段，要求信息和无要求信息之间简直是接近的，二者各别很小，这意味着如若在这个时候仍然使用固定而且较强的 guidance，就容易出现领导过强的问题。

相背，到了后期阶段，这种各别会速即增大，也等于说模子越来越需要要求信息去把生成流程拉回到方针漫衍近邻，如若 guidance 依旧保捏固定，就会显得不够，无法提供鼓胀的拘谨。

正是在这个意思意思上，参谋团队建议的 C ² FG   才显得进攻，因为它的作用不是简便地把 guidance 变大或者变小，而是自动匹配这种随时间变化的各别，让前期不外强、后期不不及，从而使扫数生成流程更合适确凿的 diffusion 动态。

对 diffusion 本体的修正

从实验意思意思来看，这项参谋的进攻性，不仅仅把几个方针络续提高了极少，而是讲明参谋团队发现了 diffusion 生成模子里一个更本体的问题。

昔日好多次序默许 guidance 在扫数生成流程中齐可以保捏固定，但实验驱散标明，问题并不仅仅参数怎样调，而是这种固定作念法自己就不合适生成流程的推行变化。

因为参谋东谈主员在不同任务、不同模子和不同诞生下齐不雅察到了沉稳提高，是以可以讲明，C ² FG   修正的不是某一种局部妙技，而是要求信息参与生成时无数存在的偏差。这也意味着，参谋信得过鼓吹的，不仅仅一个新次序，而是一种对生成机制更准确的一语气。

这种意思意思在强模子上的阐述尤其有劝服力。像从 1.80 降到 1.51 这样的提高，如若放在平淡模子上还是很昭着，而出目下本来就接近极限的强模子上，就更能讲明剩余差错主要不是模子智商不够，而是 guidance 的作用边幅还不够合理。

换句话说，参谋团队解释了，翌日提高生成模子的成果，并不一定只可依赖更大的模子、更多的数据或更长的检修时间，也可以来自对生成流程中领导机制的从头盘算推算。

少步数实验的意思意思则更贴近日常专揽。参谋东谈主员发现，步数越少，C ² FG   的上风越昭着，这讲明在计较资源有限的时候，固定 guidance 带来的差错会被放大，而动态 guidance 更能减少这种问题。

对平淡东谈主来说，这种纠正最终可能体目下更胜利的使用体验上，比如生成速率更快，恭候时间更短，对开采性能的要求更低，同期生成驱散也更沉稳，阻截易出现依稀、跑偏或者细节崩坏。

toy 实验进一步讲明，C ² FG   改善的也不仅仅图像名义的领悟度，而是让生成驱散在举座漫衍上更接近确凿方针，这意味着平淡用户在使用生成器具时，更容易一次得到当然、合理、合适需求的驱散，而不消反复修改和重试。雷峰网

再往深极少看，这项参谋的价值还在于，它让生成模子的发展标的变得更明晰了。参谋团队最中枢的孝敬，不仅仅把 guidance 从常数改成时间函数，而是用系统实验讲明，生成流程中的要求领导本来就应该跟着时间变化。

这个论断不仅能匡助后续参谋找到更合理的盘算推算念念路，也有契机让现存生成系统以比较低的资本得到升级。终末落实到平淡东谈主身上，等于翌日的图像生成器具有可能变得更快、更稳乐鱼体育官网，也更容易普及。

明陞M88体育中国官网

• 一个
• vivo
• 团队
• 乐鱼体育官网
• 交大