原型正则化改善CFG潜空间类别几何

Haoming Liu等作者提出原型正则化（PR），一种轻量正则项：对空间池化后的潜变量施加余弦原型分类器，作为难以直接优化的含噪后验目标的近似，使潜扩散模型在无分类器引导（CFG）下的潜空间类别几何更适配引导。 作者称，该方法基于对CFG下类别几何的分析而设计，并已通过实验验证。报道未给出具体数据集、模型规模或量化效果。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。