Sınıflandırıcısız Rehberlik
Sınıflandırıcısız rehberlik, dağılım modellerinin gerçekten sizin isteminizi takip etmesini sağlayan ve çeşitliliğin bir kısmını çok daha güçlü bir bağlılıkla değiştiren bir tekniktir.
Genel Bakış
It is the single dial behind the 'guidance scale' slider in nearly every image generator.
Derin Dalış
Erken yönlendirilmiş difüzyon, numuneleri istenilen sınıfa doğru itmek için ayrı bir sınıflandırıcıya ihtiyaç duyuyordu; bu da hassastı ve ekstra eğitim gerektiriyordu. Jonathan Ho ve Tim Salimans tarafından 2022'de önerilen sınıflandırıcısız rehberlik bu bağımlılığı ortadan kaldırıyor. Eğitim sırasında model, koşullandırmayı (metin istemi) belirli bir yüzdede rastgele bırakır, böylece tek bir ağ ile hem koşullu hem de koşulsuz tahminler üretmeyi öğrenir. Örnekleme zamanında, modeli adım başına iki kez, bir kez istemle ve bir kez istem olmadan çalıştırırsınız, ardından koşulsuz tahminden koşullu tahmine doğru tahmin yaparsınız. Ekstrapolasyon miktarı rehberlik ölçeğidir: daha yüksek değerler daha sıkı bir anlık bağlılığı ve daha güçlü doygunluğu zorlar, daha düşük değerler ise daha fazla çeşitlilik ancak daha gevşek bir eşleşme sağlar.
Teknik Bilgi
Matematiksel olarak, yönlendirilmiş gürültü tahmini, koşulsuz tahmin artı kılavuz ölçeği çarpı koşullu ve koşulsuz tahminler arasındaki farktır. 1 ölçeği rehberlik olmadığı anlamına gelir; tipik değerler 5 ila 9 arasındadır. Ölçeği çok yükseğe itmek, anlık özellikleri güçlendirir ancak aşırı doygun renklere, sert kontrasta ve bozulmalara neden olur çünkü model, öğrenilen dağılımın çok dışında tahmin yapar. Gürültü giderme adımı başına kabaca iki ileri geçişe mal olur.
Stratejik Etki
Speed and scale
Visual AI, inceleme, algılama ve etiketleme görevlerini geniş ölçekte otomatikleştirebilir.
Build choices
Yaratıcı ekipler, daha az manuel revizyonla konseptleri daha hızlı prototipleyebilir.
Ekip ve iş akışı
Operasyonlar, daha önce işlenmesi zor olan görüntü ve video sinyallerini kullanabilir.
Sınıflandırıcısız Rehberliğin Geleceği
Araştırmacılar, dinamik eşikleme, adımlar arasında gücü değiştiren rehberlik programları ve yeniden ölçeklendirme hileleri yoluyla aşırı doygunluk olmadan hızlı uyumu sürdürmek için rehberliği geliştiriyorlar. Saflaştırılmış modeller artık yönlendirmeyi hesaplamayı yarıya indirmek için tek bir geçişte gerçekleştiriyor ve daha yeni formülasyonlar, daha düşük maliyetle keskin, aslına sadık görüntüler elde etmeyi hedefleyerek hiçbir koşulsuz dallanmaya ihtiyaç duymayan karışık dikkat ve otomatik yönlendirmeyi keşfediyor.
Gerçek Dünya Uygulaması
Anlık doğruluğu yaratıcılıkla dengelemek için Kararlı Difüzyon veya Midjourney'de 'CFG ölçeği' kaydırıcısını ayarlama
Oluşturucuyu istemde açıklanan belirli, oluşturulması zor bir nesneyi dahil etmeye zorlamak için kılavuzun yükseltilmesi
Birçok tasarım seçeneğini keşfederken daha çeşitli, daha az aşırı doygun çıktılar elde etmek için kılavuzun düşürülmesi
Yüksek detaylı işlemelerde renk yanması bozulmalarını azaltmak için üretim hatlarında rehberlik programlarının ayarlanması
Riskler ve Korkuluklar
Kaynağın belirsiz olması durumunda görüntü hakları ve rıza yasal risk haline gelebilir.
Model performansı aydınlatma, demografik özellikler ve ortamlara göre değişiklik gösterebilir.
Güven eşikleri izlenmediği sürece yanlış pozitifler fark edilmeyebilir.
Uygulama Yol Haritası
Kesinlik, geri çağırma ve hata maliyetlerine ilişkin kabul kriterlerini tanımlayın.
Gerçek üretim koşullarıyla eşleşen verilerle test edin.
Düşük güvenirliğe sahip veya yüksek etkili tahminler için gerçek kişi tarafından yapılan incelemeyi ekleyin.
Model kaymasını izleyin ve kamera veya veri kümesi değişikliklerinden sonra yeniden doğrulayın.
Keşfetmeye Devam Edin
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
Next guide
Naive Bayes Sınıflandırıcıları
Sık sorulan sorular
What is Classifier-Free Guidance?
Sınıflandırıcısız rehberlik, dağılım modellerinin gerçekten sizin isteminizi takip etmesini sağlayan ve çeşitliliğin bir kısmını çok daha güçlü bir bağlılıkla değiştiren bir tekniktir. Neredeyse her görüntü oluşturucuda 'kılavuz ölçeği' kaydırıcısının arkasındaki tek kadrandır.
Sınıflandırıcısız rehberliğin temel amacı nedir?
Sınıflandırıcısız rehberlik, koşulsuz tahminden koşullu tahmine doğru tahmin yaparak anında uyumu artırır.
Bir model, sınıflandırıcısız rehberlik için koşulsuz tahminler yapmayı nasıl öğrenir?
Eğitim sırasında istem bazı zamanlarda rastgele bırakılır, böylece bir ağ hem koşullu hem de koşulsuz davranışı öğrenir.
Rehberlik ölçeğini artırmak genel olarak ne işe yarar?
Daha yüksek kılavuzluk, daha sıkı bağlılığı ve daha güçlü özellikleri zorlar, ancak bunu çok fazla zorlamak aşırı doygun, sert ve artefakt eğilimli görüntülere neden olur.
Standart sınıflandırıcısız yönlendirme, gürültü giderme adımı başına yaklaşık olarak kaç ileri geçiş gerektirir?
Model bir kez istemle ve bir kez istem olmadan çalıştırılır, ardından tahminler birleştirilir ve adım başına yaklaşık iki geçişe mal olur.
Sınıflandırıcısız rehberliğin, sınıflandırıcı rehberliğine göre ne gibi avantajları vardır?
Her iki tahmin için de tek bir ağ kullanarak, eski yönlendirmeli difüzyonun gerektirdiği kırılgan, ekstra sınıflandırıcıyı ortadan kaldırır.