高CFG扩散反演何时失败？即时-潜在互动的对照研究

文本引导的扩散反演是图像编辑的核心，其中图像被映射到初始潜在图像，然后通过在修改的提示下重播去噪过程来进行编辑。然而，在实践中，反演通常使用比用于生成或编辑的尺度更低的无分类器引导 (CFG) 尺度来执行。这种不匹配在经验上是有用的，但留下了一个未解决的基本问题：当目标图像由高 CFG 轨迹生成时，该轨迹何时可以真正反转？我们在受控生成-反转-重建设置中研究这个问题，其中真实的初始潜在轨迹和去噪轨迹是已知的。使用来自现有扩散编辑基准的提示，我们在高 CFG 下生成图像，并使用相同的提示和指导设置通过定点反演重建它们。结果揭示了三种类型的提示级重建行为：针对大多数初始潜在变量进行重建的简单提示，对于大多数初始潜在变量而言失败的硬提示，以及其成功取决于提示-潜在变量配对的中间提示。为了分析生成方面，我们定义了即时压力，这是一种逐步测量 CFG 将去噪更新远离无条件轨迹的强度的方法。总压力与重建质量相关，并将简单提示与困难提示区分开来，但它不能解释中间提示（潜在对）的成功或失败。文本方面的分析进一步表明，主要视觉主题和措辞可以改变反转难度。最后，我们评估了一种紧凑的轨迹一致性干预，该干预仅在局部不稳定的逆步骤上放松指导。这种诊断检查改进了我们受控设置中的重建和提示到提示编辑，支持了高 CFG 反转失败需要本地轨迹感知分析的观点。