Delta 分数很重要！扩散模型中的空间自适应多重制导

扩散模型在合成复杂的静态和时间视觉效果方面取得了显着的成功，这一突破很大程度上是由无分类器引导（CFG）推动的。然而，尽管标准 CFG 在将生成的内容与文本提示对齐方面发挥着关键作用，但它仍然依赖于全局统一的标量。这种同质放大使模型陷入了有据可查的“细节伪像困境”：低指导尺度无法注入复杂的语义，而高尺度不可避免地会导致视频中的结构退化、颜色过度饱和和时间不一致。在本文中，我们通过微分几何的视角揭示了这种缺陷的物理根源。通过分析 Tweedie 公式，我们揭示了 CFG 本质上执行切向线性外推。由于自然数据流形是高度弯曲的，因此这种均匀线性步骤引入了严重的正交偏差。为了保持生成轨迹的安全界限，我们制定了空间和自适应制导的理论上限。基于这些几何见解，我们提出了空间自适应多重制导（SAMG），这是一种 无需训练 和几乎零成本的采样算法。 SAMG 动态计算逐点条件引导能量，对高能量边界区域应用保守的最小尺度以保留精致的微纹理，同时在低能量区域部署激进的最大尺度以最大化语义注入。跨不同图像（SD 1.5、SDXL、SD3.5 Medium）和视频（CogVideoX、ModelScope）架构的大量实验表明，SAMG 有效解决了细节伪影困境，实现了卓越的语义对齐、结构完整性和时间平滑性，而无需任何计算开销。