vivo BlueImage Lab 团队 投稿  楚雄gj35钢绞线参数

量子位 | 公众号 QbitAI

扩散模子又被玩出新步地了。

直以来，提扩散模子生成质地的要道技巧，是在理阶段加入引（guidance）。

要么依赖文本条目（如 CFG）——需要门的闇练计策，莫得文本条目就不行用；

要么靠显式加噪膺惩模子理——然而果有限。

目下，种全新的念念路来了：

不需要文本条目，不加噪声，不改模子，只在里面交换 token。

来自上海交大和 vivo 的掂量者冷漠了种十分约略但相等有的法：自交换引（Self-Swap Guidance，SSG）。该职责已被 CVPR 2026 会议接管为 Oral。

句话追思：

通过在空间和通说念维度上交换 token 特征，把模子"搞差"，再用这个"变差"的旅途去指我方的生成。

听起来约略，但却十分奏。

现存法有什么问题？

现时主流的引法是CFG （Classifier-Free Guidance）：约略来说，便是用"有条目输出"和"条目的输出"作念差，得到从"没那么符语义"到"加符语义"的瞻望的个向，引模子朝这个由差到好的向走，从而引出符语义的生成，但它有些主要的局限：

须依赖文本（prompt）的存在（没文本引不了）楚雄gj35钢绞线参数

需要门的闇练历程（随即丢掉文本条目输入）

Guidance Scale 时容易过富饶、细节崩坏、各种下落……

近也有东说念主尝试"条目引"（condition-free guidance），也便是不需要依赖文本也大约进行引，比如：

SAG（往输入加噪声）

PAG/SEG（往 attention 加噪声）

TSG（往 timestep 向量加噪声）

但这些法有个共同的问题：扰动添加的粒度比较粗——要么可能不够强，要么太过甚。效果便是小扰动没什么引果，大扰动凯旋让图变的没法看。

如下图，现存的条目引法在低引统统下生成质地欠佳，在引统统下出现图像失真、过富饶、噪声等气候。比拟之下，自交换引（SSG）的生成质地对引统统加鲁棒清晰。

SSG 的中枢想法：不加噪声，只作念"结构"

SSG 的念念想相等约略：与其加噪声，不如凯旋对部分特征进行"重排"。具体作念法是，对于模子里面的 token 特征进行两个维度上的随即交换：空间维度自交换（spatial self-swap）和通说念维度自交换（channel self-swap）。

在实践中，掂量者发现随即采纳 token 或者 channel 对进行交换就能起到比较深刻的引作用，而两两交换"不一样"的些 token 或 channel 对，引果好，图片质地佳。其原因在于可以完了加充分的膺惩，而不需要全局加噪。

具体作念法是，使用两个前向理分支。其中个不作念任何转换，文风不动地让预闇练模子输出噪声瞻望（ϵ ori）。另个分支会在模子的特定层实践自交换扰动，先在空间维度进行些不一样 token 的交换，再在通说念维度进行些不一样通说念的交换，后得到经过扰动的噪声瞻望（ϵ pert）。

在理的每个时辰步上，用两个分支的噪声瞻望作念差，用这个向对原始噪声瞻望进行个修正，修正的强度由引统统 /omega 摒弃，这引历程与 CFG 很一样：

这种引在每个时辰步齐会作念次楚雄gj35钢绞线参数，指整个理步齐走完，就得回了经过引生成的质地的样本，便是这样约略。

实验效果

掂量者在条目、有条目生图的征战下，钢绞线使用 COCO2014、COCO2017、ImageNet 等多种真确图像数据集考据 SSG 的引果。在这些实验中，SSG 在多个成见上过了现存的 SAG、SEG、PAG 等条目引法。

△SD1.5 模子文本条目生图在 ImageNet 上的定量实验效果

△SDXL 模子有文本条目生图在 COCO 2017 上的定量实验效果

具体而言，采用的定量成见包括 FID（量度散播互异）、CLIP Score（文本慑服进度）、Inception Score（质地与各种），以及肉眼质田成见（AES、PickScore、ImageReward）。对条目生成也使用了 Precision 和 Recall 量度质地与各种。SSG 在这些成见上均取得了异的效果。

通过对比实质生图果，可以发现 SSG 可以清晰地生成较质地、加当然的图片，在有文本条目的生成征战下，与文本的致好。随即交换的能还是过多个现存法，而"不一样"交换计策可以得回的生成质地。

△Token 交换计策的消融实验

掂量者对于不同的交换计策进行了对比，其中随即交换就还是能完了极度可以的引果，致使比此前的法齐要好。交换不一样的 token 特征在两项东说念主类偏好分数上，举座上完了佳的成见权衡。通说念交换果举座于空间交换，二者结使用可以完了图像质地和好意思学感知分数的佳权衡。

△空间与通说念交换计策的消融实验

通过对空间、通说念两种交换时刻进行消融实验，可以考据两种法齐能有地引生成，通说念交换的果举座上于空间交换，而两种交换同期使用可以完了好的总体果。因此可以说两种交换在定进度上互补——对其引模式的可视化也展现出深刻的区别。如下图，通过可视化可以发现两种交换的引模式互异深刻。

些其他讨论

SSG 与同期职责 TPG 齐在特征的空间维度上引入了扰动设想—— SSG 采纳部分 token 进行空间上的位置交换，而 TPG 凯旋对整个 token 进行随即重胪列。在成见上来说，SSG 的不一样 token 交换案略于 TPG 的 token 随即重胪列，而蓄意支出也大于后者。

此外，SSG 次揭示了特征通说念维度上的扰动对于引扩散模子的显耀果，而况发现通说念维度扰动的引果显耀于空间维度，这气候为后续设想的引机制提供了新的念念路。

至于该掂量的局限，先是穷乏系统的表面支撑，以及其法能对于扰动添加的具体层位置较为明锐。这些亦然扩散模子引系列职责多量存在的问题。因此，如何从表面层面临其有进行解说，并设想鲁棒的扰动机制，仍是值得入探索的向。

另外，在模子内的多个层分袂蓄意 token 一样度会引入定进度的蓄意支出，对 SSG 蓄意率的化也将是具有实质兴致的后续课题。

对于 vivo BlueImage Lab

蓝图影像革命实验室，主要正经出动影像算法革命，包括图像 / 管理、图像 / 交互、图像 / 增强、多模态融会大模子等面的时刻前沿探索。

竭力于不停培育 vivo 出动影像的算法智商，使用户大约拍摄出加明晰、好意思不雅的像片和。同期积探索增强本质、具身智能等新兴时刻域的运用，用功为用户提供加丰富和方便的影像体验。

键三连「点赞」「转发」「注重心」

迎接在批驳区留住你的想法！

—  完  —

【学术投稿】请在职责日发送邮件至：ai@qbitai.com，标题注明【投稿】，并告诉咱们：你是谁，从哪来，投稿内容附上项目 / 主页流畅，以及连络式。

� �   咱们会 ( 尽量 ) 实时恢复你 : )

� � 点亮星标 � �

科技前沿表现逐日见手机号码：15222026333相关词条:不锈钢保温施工     塑料管材生产线     钢绞线厂家    玻璃棉板    泡沫板橡塑板专用胶

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。