arXiv cs.LG· Katarina Petrovi\'c, Zander W. Blasingame, Danyal Rehman, \.Ismail \.Ilkan Ceylan, Michael Bronstein, Stephen Y. Zhang, Lazar Atanackovic, Alexander Tong·· 10 小时前AI 评分22
Global Transport：面向无分类器引导流模型的全局传输耦合
Global Transport Couplings for Classifier-Free Guided Flows
AI 导读
研究者提出 Global Transport（GT），一种不依赖类别标签的全局类别无关最优传输耦合，用于条件流模型的训练。GT 单独使用会因将不同条件关联到源噪声不同区域而降低性能，但与无分类器引导（CFG）结合后，在离散类别和连续文本条件的图像生成中，跨模型规模和采样预算均稳定提升生成效果。该结果表明耦合设计应在推理时的引导流下评估，可作为无需改动架构、采样器或引导机制的训练期优化手段。
来源：arXiv cs.LG · arxiv.org