Îndrumări fără clasificare
Îndrumarea fără clasificator este tehnica care face ca modelele de difuzie să urmeze de fapt solicitarea dvs., schimbând o anumită diversitate pentru o aderență mult mai puternică.
Prezentare generală
It is the single dial behind the 'guidance scale' slider in nearly every image generator.
Scufundare în profunzime
Difuzia ghidată timpurie avea nevoie de un clasificator separat pentru a împinge mostrele către o clasă dorită, care era fragilă și necesita o pregătire suplimentară. Îndrumarea fără clasificare, propusă de Jonathan Ho și Tim Salimans în 2022, elimină această dependență. În timpul antrenamentului, modelul reduce aleatoriu condiționarea (promptul textului) un procent din timp, astfel încât învață să producă atât predicții condiționate, cât și necondiționate cu o singură rețea. La momentul eșantionării, rulați modelul de două ori pe pas, o dată cu prompt și o dată fără, apoi extrapolați departe de predicția necondiționată către cea condiționată. Valoarea extrapolării este scala de ghidare: valorile mai mari forțează o aderență mai strânsă promptă și o saturație mai puternică, în timp ce valorile mai mici oferă mai multă varietate, dar potriviri mai slabe.
Perspectivă tehnică
Din punct de vedere matematic, predicția de zgomot ghidat este predicția necondiționată plus scala de ghidare înmulțită cu diferența dintre predicțiile condiționate și necondiționate. O scară de 1 înseamnă că nu există îndrumare; valorile tipice sunt de la 5 la 9. Împingând scara foarte mare amplifică caracteristicile prompte, dar provoacă culori suprasaturate, contrast dur și artefacte, deoarece modelul extrapolează mult în afara distribuției sale învățate. Costă aproximativ două treceri înainte pe pas de eliminare a zgomotului.
Impact strategic
Viteză și scară
Visual AI poate automatiza sarcinile de inspecție, detectare și etichetare la scară.
Alegeri de construcție
Echipele creative pot crea prototipuri mai rapid cu mai puține revizuiri manuale.
Echipa și fluxul de lucru
Operațiunile pot utiliza semnale de imagine și video care anterior erau greu de procesat.
Viitorul îndrumării fără clasificatori
Cercetătorii perfecționează îndrumările pentru a menține aderarea promptă, fără suprasaturare, prin pragări dinamice, programe de ghidare care schimbă puterea în pași și trucuri de redimensionare. Modelele distilate acum pregătesc ghidarea într-o singură trecere pentru a reduce la jumătate calculul, iar formulările mai noi explorează atenția perturbată și ghidarea automată care nu necesită deloc ramură necondiționată, urmărind imagini clare și fidele la costuri mai mici.
Implementare în lumea reală
Ajustarea glisorului „Scara CFG” în Stable Diffusion sau Midjourney pentru a echilibra acuratețea promptă și creativitatea
Creșterea îndrumării pentru a forța un generator să includă un obiect specific, greu de redat, descris în prompt
Scăderea îndrumării pentru a obține rezultate mai variate și mai puțin suprasaturate atunci când explorați multe opțiuni de design
Reglarea programelor de ghidare în conductele de producție pentru a reduce artefactele de ardere a culorilor la randările cu detalii ridicate
Riscuri și balustrade
Drepturile de imagine și consimțământul pot deveni riscuri legale dacă proveniența este neclară.
Performanța modelului poate varia în funcție de iluminare, demografie și mediu.
Falsele pozitive pot trece neobservate dacă nu sunt monitorizate pragurile de încredere.
Foaia de parcurs de implementare
Definiți criteriile de acceptare pentru costurile de precizie, rechemare și erori.
Testați cu date care corespund condițiilor reale de producție.
Adăugați o recenzie umană pentru predicții cu încredere scăzută sau cu impact ridicat.
Urmăriți derapajul modelului și revalidați după modificarea camerei sau a setului de date.
Continuați să explorați
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Classifier-Free Guidance quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Următorul ghid
Clasificatori naivi Bayes
Întrebări frecvente
What is Classifier-Free Guidance?
Îndrumarea fără clasificator este tehnica care face ca modelele de difuzie să urmeze de fapt solicitarea dvs., schimbând o anumită diversitate pentru o aderență mult mai puternică. Este singurul cadran din spatele glisorului „scala de ghidare” din aproape fiecare generator de imagini.
Care este scopul principal al ghidării fără clasificare?
Îndrumarea fără clasificator crește aderarea promptă prin extrapolarea de la predicția necondiționată la cea condiționată.
Cum învață un model să facă predicții necondiționate pentru ghidare fără clasificatori?
În timpul antrenamentului, promptul este abandonat aleatoriu o parte din timp, astfel încât o rețea învață atât comportamentul condiționat, cât și cel necondiționat.
Ce face, în general, creșterea scalei de orientare?
Ghidarea mai mare forțează o aderență mai strictă și caracteristici mai puternice, dar împingerea acesteia prea departe provoacă imagini suprasaturate, dure, predispuse la artefacte.
Aproximativ câte treceri înainte pentru fiecare pas de eliminare a zgomotului necesită ghidarea standard fără clasificator?
Modelul este rulat o dată cu prompt și o dată fără, apoi previziunile sunt combinate, costând aproximativ două treceri pe pas.
Ce avantaj are ghidarea fără clasificator față de ghidarea clasificatoare?
Prin utilizarea unei singure rețele pentru ambele predicții, se evită clasificatorul fragil și suplimentar pe care îl necesita difuzarea ghidată mai veche.