用自身的一个劣质版本引导扩散模型

图像生成扩散模型的主要关注维度包括图像质量、生成结果的多样性以及结果与给定条件（如类别标签或文本提示）的对齐程度。目前广泛采用的无分类器引导（classifier-free guidance）方法通过使用无条件模型来引导条件模型，能够在提升提示词对齐度和图像质量的同时，但通常会牺牲生成结果的多样性。这些效应看似内在耦合，因而难以独立控制。我们提出了一个出人意料的观察：通过使用模型自身的一个更小、训练程度更低的版本进行引导，而非依赖无条件模型，即可实现对图像质量的解耦控制，同时不损失生成结果的多样性。该方法在ImageNet图像生成任务中取得了显著提升，使用公开可获取的网络模型，分别实现了64×64和512×512分辨率下的记录性FID得分——分别为1.01和1.25。此外，该方法同样适用于无条件扩散模型，可大幅提高其生成质量。