Qu'est-ce que la guidance sans classificateur et comment fonctionne l'échelle?

La guidance sans classificateur est une méthode pour améliorer la qualité de la génération dans les modèles de diffusion sans avoir besoin d’entraîner un classificateur séparé. Au lieu de cela, le modèle est entraîné simultanément sur des données conditionnelles et inconditionnelles, permettant lors de la génération de combiner les prédictions avec ou sans condition.

Le mécanisme fonctionne ainsi : lors de la génération, deux prédictions sont prises — une conditionnelle (en tenant compte de la condition donnée, par exemple, du texte) et une inconditionnelle (sans condition). Ensuite, elles sont combinées à l’aide d’un paramètre appelé échelle (coefficient de mise à l’échelle), qui régule l’influence de la condition. La formule :

x_{guided} = x_{uncond} + scale * (x_{cond} - x_{uncond})

Où :

• x_{cond} — prédiction du modèle avec condition
• x_{uncond} — prédiction sans condition
• scale — coefficient, généralement >1, qui augmente l’influence de la condition

Augmenter l’échelle conduit à un suivi plus fort de la condition, mais une valeur trop élevée peut détériorer la qualité ou provoquer des artefacts. Ainsi, l’échelle est un paramètre qui permet d’équilibrer entre diversité et précision dans la génération.