谱对齐校正引导扩散轨迹

条件图像生成的实践成功取决于条件对齐与视觉保真的细微差异。无分类器引导（CFG）是这一成功的核心，但它缺乏显式判据，难以评估被引导轨迹是否按预期推进。为弥补这一缺口，我们证明谱对齐为理解引导行为、并通过自适应校正改进引导扩散采样提供了有原则的判据：分析把中间状态的谱识别为与正向过程预期谱演化一致性的指示。基于该观察，我们提出谱校正引导（Spectral Correction Guidance），在采样中校正相对解析参照谱的偏差。该方法训练自由、跨扩散骨干与条件生成任务适用且不修改底层模型。实验显示在文生图中相对基线引导方法在偏好类指标上一致增益，并在ImageNet上较CFG改善生成质量；改进跨引导尺度范围与更少去噪步数持续存在。分析与消融为引导行为及该方法如何影响生成质量提供洞见。