跳到正文
arXiv · 机器人与计算机视觉· Jingyu Liu, Hao Jiang, Yikang Ding, Huafeng Shi, Xu Yang, Xiaoqiang Liu, Guoxin Zhang, Pengfei Wan, Kun Gai·· 27 天前AI 评分42

TrajCFG:通过去噪轨迹反馈实现 Token 级无分类器引导的生成模型优化方法

TrajCFG: Token-Wise Classifier-Free Guidance via Denoising Trajectory Feedback

AI 导读

TrajCFG 是一种无需额外训练、利用历史引导速度方向变化自适应分配 Token 级引导强度的流匹配模型优化方法。该方法结合相邻步与区间归一化长跨度反馈,复用标准 CFG 预测即可在文本转视频等任务中提升 VBench Total 分数 0.30-0.75 分。实验覆盖图像转视频、文本转音频视频及三维重建等多模态生成场景,验证了历史方向反馈作为细粒度引导信号的普适性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org