arXiv · ML· Haoming Liu, Junhao Zhu, Shaoyi Zheng, Yuanhe Guo, Jinnuo Liu, Shenji Wan, Hongyi Wen·2026-10-19 12:00· 8 小时前AI 评分35

学习被引导：塑造潜在几何以优化无分类器引导

Learning to Be Guided: Shaping Latent Geometry for Classifier-Free Guidance

AI 导读

论文提出原型正则化（PR）方法，通过重塑类几何结构优化潜在扩散模型中的无分类器引导（CFG）生成。在 ImageNet 上，PR 将引导 gFID 从 3.31 降至 2.28，优于 DINOv3 对齐基线且开销极小。研究揭示类几何是引导生成的关键因素，为 CFG 兼容的表示学习奠定基础。

来源：arXiv · ML · arxiv.org