論文の概要: Guidance Breaks the Fitted Operator: A Terminal-Fitted Repair for Classifier-Free Guidance

• arxiv url: http://arxiv.org/abs/2607.07665v1
• Date: Wed, 08 Jul 2026 17:21:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.473816
• Title: Guidance Breaks the Fitted Operator: A Terminal-Fitted Repair for Classifier-Free Guidance
• Title（参考訳）: ガイドが整合演算子を破る: ターミナル整合による無分類誘導の修復
• Authors: Shiheng Zhang,
• Abstract要約: インテグレータ分析レンズを用いて拡散フリーガイダンス(CFG)を解析する。 このガイダンスは, 判別部分空間を, 異常な1+wに正確に再シュミレーションすることを示す。 DDIMはもはや装着されておらず、粗いメッシュ上では、sigma_minがゼロになるにつれて、ガイドされた残基が分岐する。
• 参考スコア（独自算出の注目度）: 0.6768558752130311
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classifier-free guidance (CFG) is the standard way to strengthen class-conditioning in diffusion and flow-matching samplers, yet at large guidance it oversaturates and destabilizes, symptoms practitioners suppress with more steps or limited-interval schedules. We analyze CFG through an asymptotic-preserving, numerical-analysis lens. Building on a recent result that the deterministic DDIM step is the unique fitted operator for the unguided terminal layer, exact on the final small-sigma stretch of sampling, we show that guidance re-stiffens exactly the discriminative subspace to an anomalous exponent 1+w. DDIM is therefore no longer fitted there, and on coarse meshes its guided residual diverges as sigma_min goes to zero. We prove a guided clock barrier with three ordered step-size thresholds, and read one-step oversaturation as its endpoint: a solver artifact on the calibration model rather than the continuous guided law. The same analysis yields a one-coefficient, zero-extra-NFE repair: replace CFG's w(r-1) by r^(1+w)-r on the guidance direction. On the calibration model's discriminative crossover, this removes CFG's sigma_min-divergent blow-up and is first-order accurate against the exact guided flow as sigma_min goes to zero. On learned CIFAR-10 checkpoints, and as a cross-domain smoke test on Stable Diffusion 1.5 DDIM, it acts as a high-guidance stabilizer at no extra cost rather than a universal quality knob: it cuts residual amplification and saturation, gives 9/9 point-FID wins over CFG on the tested grid, and preserves classifier-proxy target accuracy in the hard-cell blocks. We report the limits alongside: it is not a universal image-quality win, and against a dense vanilla-CFG reference it is not a uniformly better integrator of that field.
• Abstract（参考訳）: 分類器フリーガイダンス(CFG)は拡散とフローマッチングにおけるクラス条件強化の標準的な方法であるが、大規模なガイダンスでは過度に飽和し、不安定化し、症状の実践者はより多くのステップや限られたインターバルスケジュールで抑制する。 我々は、漸近保存型数値解析レンズを用いてCFGを解析する。 決定論的DDIMのステップが、最後の小さなシグマストレッチサンプリングに基づいて、未案内終端層のユニークな適合演算子であるという最近の結果に基づいて、ガイダンスは、異常指数1+wに対して、識別部分空間を正確に再シュミレーションすることを示す。 そのため、DDIMはもはや装着されておらず、粗いメッシュ上では、シグマミンが0になるにつれて、ガイドされた残基が分岐する。 3段階のステップサイズしきい値を持つガイド型クロックバリアを証明し,その終端として1段階の過飽和値を読み取る:連続的なガイド型法則ではなく、キャリブレーションモデル上の解法アーティファクトである。 同じ分析により、CFGのw(r-1)を誘導方向のr^(1+w)-rで置き換える1係数ゼロのNFE修復が得られる。 キャリブレーションモデルの判別的クロスオーバーでは、CFGのシグマ_min-divergentのブローアップを除去し、シグマ_minが0となるように、正確に誘導された流れに対して1次精度が高い。 学習されたCIFAR-10チェックポイントと、安定拡散1.5DDIMのクロスドメインスモークテストにおいて、これは普遍的な品質ノブよりも余分なコストで高誘導安定化器として機能し、残差増幅と飽和を削減し、テストグリッド上のCFGに9/9点FIDの勝利を与え、ハードセルブロックにおける分類器-プロキシターゲット精度を保った。 これは普遍的な画像品質の勝利ではなく、密度の高いバニラ-CFG参照に対して、その分野の均一に優れた積分子ではない。

関連論文リスト

• Measuring the Symmetry--Data Exchange Rate [0.2538209532048867]
  同一の軌道サイズと一致した計算値を持つ間違った群制御は制約を伴わないよりも悪いことを示す。 相対交換率beta_diff = 1.28は、理論ブートストラップ1.0と符号と桁違いに一致している。 手法的貢献 -- 共有拡散の欠点をキャンセルする相対レート推定器、間違ったグループ制御、および予め特定された失敗分類 - は、強度をパラメータ化できる帰納バイアスに転送される。
  論文  参考訳（メタデータ） (2026-05-31T08:17:40Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Auxiliary Finite-Difference Residual-Gradient Regularization for PINNs [0.0]
  本研究では,PDE残差が保たれるハイブリッド設計について検討するが,有限差分は弱い補助項にのみ現れる。 FD項は、PDE残基自体を置き換えることなく残留体を正則化する。 種子0-5と100kのエポック全体で、最も信頼性の高い試験はクルコウタス・ベタ政権下での固定殻重量5e-4である。
  論文  参考訳（メタデータ） (2026-04-15T23:09:19Z)
• Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
  制約を克服するオイラー法に対する全変分に基づく解析法を開発した。 その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。 全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
  論文  参考訳（メタデータ） (2026-02-26T00:47:51Z)
• Normalized Attention Guidance: Universal Negative Guidance for Diffusion Models [57.20761595019967]
  注意空間にL1をベースとした正規化・精細化を施した,効率的かつトレーニング不要な機構である正規化注意誘導(NAG)を提案する。 NAGは、CFGが忠実性を維持しながら崩壊する効果的な負のガイダンスを復元する。 NAGはアーキテクチャ(UNet、DiT)、サンプリングレシスタンス(複数ステップ、複数ステップ)、モダリティ(イメージ、ビデオ)をまたいで一般化する
  論文  参考訳（メタデータ） (2025-05-27T13:30:46Z)
• Conditional Diffusion Models with Classifier-Free Gibbs-like Guidance [19.83064246586143]
  CFGは条件付きおよび非条件付きデノイザの出力を線形に結合することにより条件付き拡散モデルを改善する手法である。 CFGは視覚的品質を高め、プロンプトとの整合性を向上させるが、しばしばサンプルの多様性を低下させる。 所望の傾斜分布からサンプルを抽出するギブスライクなサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2025-05-27T12:27:33Z)
• CFG-Zero*: Improved Classifier-Free Guidance for Flow Matching Models [41.36781700386589]
  Diffusion-Free Guidance (CFG) は拡散流モデルにおいて画像の忠実度と制御性を改善するために広く採用されている手法である。 そこで, CFG-Zero* を改良した CFG-Zero* を提案する。 (a) 最適化スケール, (a) スカラーを解析的に最適化して推定速度の不正確さを補正し, (b) 名前の * を補正し, (b) ODE ソルバの最初の数ステップをゼロにする 0-init。
  論文  参考訳（メタデータ） (2025-03-24T16:59:57Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。