共计 530 个字符，预计需要花费 2 分钟才能阅读完成。
出品人：Towhee 技术团队 张晨、顾梦佳
典型的扩散模型经过训练能够承受特定模式的条件领导（比方文本），但不能在没有从新训练的状况下容许其余模式为条件。为此研究者提出一种通用的领导算法，使扩散模型无需从新训练任何指定用途的组件，就能由任意领导模式管制。该算法胜利地生成了具备疏导性能的高质量图像，包含宰割、人脸识别、对象检测和分类器信号。
Universal guidance algorithm vs text-conditional model
论文提出的疏导算法加强了扩散模型的图像采样办法，蕴含了来自现成辅助网络的疏导。试验发现，重建的洁净图像尽管不够天然和完满，但依然实用于通用领导函数，以提供具备信息的反馈并领导图像生成。而后通过拓展分类器领导来激发前向的通用领导，该发现可能被用来解决通用领导。另外，反向通用领导的补充能够帮忙强制生成的图像，以满足基于领导函数的束缚。该算法最初应用了一种简略但有用的自复现技巧，依据教训进步生成图像的保真度。
相干材料：
代码地址：https://github.com/arpitbansal297/Universal-Guided-Diffusion
论文链接：Universal Guidance for Diffusion Models
正文完
