无条件扩散模型中低级感知编辑指南

无条件扩散模型提供了强大的生成先验，但引导它们走向美观增强的输出仍然很大程度上尚未探索。我们表明，h 空间修补（无需训练 扩散编辑的主导范例）在审美和感知细化所需的全局、低级转换方面系统性地失败。我们引入了一种新颖的通用框架，用于在无条件扩散模型中进行图像编辑，无需显式训练。这种推理时间机制通过提取退化概念向量并将瓶颈修补与无分类器指导相结合来对低级特征进行操作，以引导采样远离退化流形，从而在无需任何模型重新训练的情况下生成一致改进的图像。