arXiv cs.AI· Sylvain Dehayem Kenfouo, Aaron Zweig, Mingxuan Zhang, Elham Azizi·· 3 天前AI 评分20
通过回拉方向实现可控多样化采样
Controllable Diverse Sampling through Pullback Directions
AI 导读
研究者提出一种免训练方法，利用条件嵌入空间到图像空间的映射所诱导的局部回拉几何，识别输出敏感度最大的方向，引导不同采样轨迹生成差异化图像，同时保持与条件信号的一致性。在 MS-COCO 和 BrushNet 上的实验表明，该方法提升了提示词条件图像生成与图像修复的多样性。该工作已被 NeurIPS 2026 DynaFront workshop 接收。
正文 · AI 翻译
摘要：条件扩散模型能够生成与给定提示高度契合的高质量图像。然而，由不同随机种子生成的样本在视觉上可能仍然相似，限制了创意探索。现有方法可以增加多样性，但通常需要额外的优化或采样开销，而更强的扰动可能引入失真，从而降低图像质量或提示对齐度。我们提出一种无需训练的方法，利用从条件嵌入空间到图像空间的映射所诱导的局部拉回几何，来识别输出敏感度最大的方向。通过沿这些方向引导不同的采样轨迹，我们鼓励生成结果彼此不同，同时保持与条件信号的一致性。在 MS-COCO 和 BrushNet 上的实验表明，该方法在提升提示条件图像生成和图像修复的多样性方面有效。
| 评论： | 已被 NeurIPS 2026 的 DynaFront 研讨会接收 |
| 主题： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.14294 [cs.AI] |
| （或 arXiv:2610.14294v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14294 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Sylvain Dehayem Kenfouo [查看电子邮件]
[v1]
2026年10月9日星期五 20:17:27 UTC（12,585 KB）
来源：arXiv cs.AI · arxiv.org