引导路径采样改进扩散模型优化

本文解决了扩散模型迭代优化方法中的一个关键限制，即由无分类器引导（CFG）引起的不稳定性。作者发现CFG的外推导致采样路径偏离数据流形，从而导致误差发散。他们提出了引导路径采样（GPS）作为解决方案，使用流形约束插值来维持路径稳定性。这是一项重大贡献，因为它提供了一种更稳健、更有效的方法来提高扩散模型的质量和控制，特别是在复杂场景中。

• •解决了由无分类器引导（CFG）引起的扩散模型优化中的不稳定性。
• •提出引导路径采样（GPS），使用流形约束插值来维持路径稳定性。
• •与现有方法相比，在感知质量和提示遵循方面表现出改进。
• •提供了误差有界的理论保证，确保稳定性。