【diffusers极速入门(七)】Classifier-Free Guidance (CFG)直观理解以及对应代码

多恩Stone 2024-10-21 12:31:03 阅读 57

系列文章目录

【diffusers 极速入门(一)】pipeline 实际调用的是什么? call 方法!【diffusers 极速入门(二)】如何得到扩散去噪的中间结果?Pipeline callbacks 管道回调函数【diffusers极速入门(三)】生成的图像尺寸与 UNet 和 VAE 之间的关系【diffusers极速入门(四)】EMA 操作是什么?【diffusers极速入门(五)】扩散模型中的 Scheduler(noise_scheduler)的作用是什么?【diffusers极速入门(六)】缓存梯度和自动放缩学习率以及代码详解


<code>提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档

文章目录

系列文章目录前言一、Classifier-Free Guidance (CFG) 的做法和作用二、对应 diffusers 代码第一处代码(`__call__`函数中)第二处代码(`encode_prompt` 函数中)

参考文献


前言

由于 Classifier-Free Guidance (CFG) 相关的理论解释博客已经很多了,本文不涉及理论推导,而侧重直观理解和对应的 diffusers 代码。

一、Classifier-Free Guidance (CFG) 的做法和作用

在生成模型(如扩散模型)中,Classifier-Free Guidance 是一种在不依赖显式分类器的情况下提升生成结果质量的技术。传统上,扩散模型会在噪声和目标分布之间逐步转换,但为了让生成结果更符合特定的条件(如文本描述),引入了 guidance 方法。

做法:

无条件生成:模型首先生成一个“无条件”(unconditioned)的预测,即在没有任何文本提示或条件的情况下的生成。有条件生成:模型再生成一个“有条件”的预测,即在给定文本提示(prompt)的情况下的生成。合成结果:最终的生成结果通过将无条件和有条件的预测组合来实现:

最终生成

=

无条件预测

+

w

×

(

有条件预测

无条件预测

)

\text{最终生成} = \text{无条件预测} + w \times (\text{有条件预测} - \text{无条件预测})

最终生成=无条件预测+w×(有条件预测−无条件预测)

其中,( w ) 是 guidance_scale 参数,用于控制生成结果与文本提示的相关性。这个公式的目标是在保持生成结果自然性的前提下,使其更贴合给定的条件(如文本描述)。

作用:

guidance_scale(即公式中的 ( w ))越大,生成的图像越贴近文本提示,但这可能会导致图像质量的下降或不自然的细节。guidance_scale 值越小,图像则越自然(真实),但可能与文本提示的相关性较低。

二、对应 diffusers 代码

/path/to/diffusers/pipelines/stable_diffusion_3/pipeline_stable_diffusion_3.py 的代码为例, CFG 主要相关的参数是 guidance_scaledo_classifier_free_guidance

guidance_scale:控制 CFG 的强度,影响生成图像与文本提示的相关性。通过设置 guidance_scale>1 启用 CFG。 guidance_scale 越高、生成的图像与文本 “提示” 的相关性越高,但通常图像质量会有所下降。do_classifier_free_guidance:布尔参数,用于启用或禁用 CFG。当启用时,模型会根据上面提到的公式进行预测。

第一处代码(__call__函数中)

代码中 noise_pred.chunk(2) 这一行将模型的预测结果一分为二,其中 noise_pred_uncond 是无条件预测,noise_pred_text 是有条件预测。负向提示嵌入的处理使得在使用 CFG 时,模型能生成更符合用户要求的结果。

# perform guidance

if self.do_classifier_free_guidance:

noise_pred_uncond, noise_pred_text = noise_pred.chunk(2)

noise_pred = noise_pred_uncond + self.guidance_scale * (noise_pred_text - noise_pred_uncond)

第二处代码(encode_prompt 函数中)

do_classifier_free_guidancenegative_prompt_embeds

do_classifier_free_guidance 为 True 时,且 “负向提示”(negative prompt)的嵌入(negative_prompt_embeds)为 None,才会执行对 negative prompt 的处理。

...

if do_classifier_free_guidance and negative_prompt_embeds is None:

negative_prompt = negative_prompt or ""

negative_prompt_2 = negative_prompt_2 or negative_prompt

negative_prompt_3 = negative_prompt_3 or negative_prompt

# normalize str to list

negative_prompt = batch_size * [negative_prompt] if isinstance(negative_prompt, str) else negative_prompt

negative_prompt_2 = (

batch_size * [negative_prompt_2] if isinstance(negative_prompt_2, str) else negative_prompt_2

)

negative_prompt_3 = (

batch_size * [negative_prompt_3] if isinstance(negative_prompt_3, str) else negative_prompt_3

)

...


参考文献

guidance_scale (float, optional, defaults to 5.0):

Guidance scale as defined in Classifier-Free Diffusion Guidance.guidance_scale is defined as w of equation 2. of Imagen Paper.



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。