通过因果抽象在文本到图像扩散模型中跨指导尺度进行高效公平审核

文生图扩散模型的公平性评测常需在多种采样配置下生成大量图像，全面评估计算成本高。我们提出基于因果抽象的评测工具，研究无分类器引导尺度干预下的公平性。给定固定提示和目标特征函数，将扩散过程表示为低层结构因果模型，并在抽象去噪状态上构建对应高层模型。我们刻画投影后的因果结构，建立与公平性有关干预查询的可识别性，并给出高层模型保持该查询的充分条件。概率Transformer以摊销预测器实现高层模型，预测不同引导尺度下的目标特征分布。实验检验分布保真度、公平性查询准确率及计算效率，分别以标准Stable Diffusion 1.5和公平性增强的StayFair演示跨引导尺度的评测。