ガイド付きパスサンプリングによる拡散モデルの改良

この論文は、拡散モデルの反復改良手法における重要な制限、具体的にはClassifier-Free Guidance (CFG)によって引き起こされる不安定性に対処しています。著者は、CFGの外挿がサンプリングパスをデータマニフォールドから外れさせ、誤差の発散を引き起こすことを特定しました。彼らは、パスの安定性を維持するために、多様体制約付き補間を使用するGuided Path Sampling (GPS)を解決策として提案しています。これは、特に複雑なシナリオにおいて、拡散モデルの品質と制御を向上させるための、より堅牢で効果的なアプローチを提供するものであり、重要な貢献です。

• •Classifier-Free Guidanceによって引き起こされる拡散モデルの改良における不安定性に対処。
• •多様体制約付き補間を使用してパスの安定性を維持するGuided Path Sampling (GPS)を提案。
• •既存の方法と比較して、知覚品質とプロンプトの遵守において改善されたパフォーマンスを実証。
• •安定性を保証する誤差の境界に関する理論的保証を提供する。