arXiv 机器学习· Haoming Liu, Junhao Zhu, Shaoyi Zheng, Yuanhe Guo, Jinnuo Liu, Shenji Wan, Hongyi Wen·· 6 小时前AI 评分38
学会接受引导：为无分类器引导塑造潜在几何空间
Learning to Be Guided: Shaping Latent Geometry for Classifier-Free Guidance
AI 导读
研究人员针对条件扩散模型的无分类器引导（CFG）提出原型正则化（PR），通过构建更适配 CFG 的潜在空间类别几何来提升生成性能。在受控训练预算下（VAE 为 20 epochs，DiT 为 80 epochs），为 LDM 基线加入 PR 使 ImageNet 上的 gFID 从 3.31 降至 2.28，超越了与 DINOv3 对齐的 VA-VAE（2.44）。
来源：arXiv 机器学习 · arxiv.org