无分类器引导的扩散激活量化的联合分支空间变换编码

扩散模型的后训练量化越来越多地利用时间步长、特征和层结构。虽然最近的工作已经开始将 CFG 结构合并到扩散量化中，但激活量化仍然在条件和无条件坐标上独立运行，从而使交叉激活结构未被利用。我们表明，匹配的 CFG 激活形成强相关的二维源，并且在固定比特预算下，分支编码基础的选择会严重影响量化保真度。受这一观察的启发，我们引入了分支空间变换编码，它通过离线导出的 2x2 正交矩阵旋转匹配的 CFG 分支，只需对模型参数或量化管道进行最小程度的修改。我们进一步推导了引导相关分支变换（GCBT），它联合结合了 CFG 引导方向和跨分支二阶矩。在等速率量化噪声替代下，GCBT 承认闭式每层解决方案，无需梯度优化或角度搜索。在现有扩散 PTQ 方法的基础上应用，GCBT 在大多数评估比较中产生了统计上显着的保真度增益，并且没有统计上显着的退化，同时保持底层主机量化管道不变。