arXiv · cs.LG· Xiang Li, Yixuan Jia, Xiao Li, Jeffrey A. Fessler, Rongrong Wang, Qing Qu·· 11 小时前
MCLR：通过类间似然比最大化改进条件建模，并统一无分类器引导与对齐目标
MCLR: Improving Conditional Modeling via Inter-Class Likelihood-Ratio Maximization and Unifying Classifier-Free Guidance with Alignment Objectives
AI 导读
扩散模型常依赖推理时的 classifier-free guidance（CFG），MCLR 提出一种微调目标，显式最大化类间似然比以增强类别特定结构，在多种模型和数据集上显著提升无引导条件生成并缩小与 CFG 的差距。
来源：arXiv · cs.LG · arxiv.org