用于扩散Transformer的内部引导

本文介绍了一种新的引导策略，即内部引导 (IG)，用于扩散模型以提高图像生成质量。它解决了现有引导方法（如无分类器引导 (CFG)）以及依赖于模型退化版本的方法的局限性。所提出的 IG 方法在训练期间使用辅助监督，并在采样期间外推中间层输出。结果表明，在训练效率和生成质量方面都有显着提高，在 ImageNet 256x256 上实现了最先进的 FID 分数，尤其是在与 CFG 结合使用时。IG 的简单性和有效性使其成为对该领域的宝贵贡献。

• •提出内部引导 (IG) 作为一种改进扩散模型图像生成的新方法。
• •IG 在训练期间使用辅助监督，并在采样期间外推中间层输出。
• •在 ImageNet 256x256 上实现了最先进的 FID 分数，尤其是在与 CFG 结合使用时。
• •与现有方法相比，展示了改进的训练效率和生成质量。