Guiding a Diffusion Model with a Bad Version of Itself

T. Karras, M. Aittala, T. Kynkäänniemi, J. Lehtinen, Timo Aila, S. Laine

arXiv:2406.02507 · 2026-07-27 공개 · arXiv · PDF

diffusion-models image-generation image-net fid-metric classifier-free-guidance image-quality unconditional-models model-guidance

Abstract

The primary axes of interest in image-generating diffusion models are image quality, the amount of variation in the results, and how well the results align with a given condition, e.g., a class label or a text prompt. The popular classifier-free guidance approach uses an unconditional model to guide a conditional model, leading to simultaneously better prompt alignment and higher-quality images at the cost of reduced variation. These effects seem inherently entangled, and thus hard to control. We make the surprising observation that it is possible to obtain disentangled control over image quality without compromising the amount of variation by guiding generation using a smaller, less-trained version of the model itself rather than an unconditional model. This leads to significant improvements in ImageNet generation, setting record FIDs of 1.01 for 64x64 and 1.25 for 512x512, using publicly available networks. Furthermore, the method is also applicable to unconditional diffusion models, drastically improving their quality.

한국어 요약

한 줄 요약

이미지 생성 확산 모델에서 생성 품질을 향상시키며 변이성을 유지하는 새로운 자가가이드(autoguidance) 방법을 제안한다.

핵심 기여도

핵심 아이디어

기존 CFG는 조건부와 비조건부 모델 간의 차이를 이용해 생성물을 가이드하지만, 이는 조건 일치(prompt alignment)와 품질 향상 효과가 얽혀 있어 조절이 어려운 문제를 야기한다.
본 연구는 대신 주 모델의 작은 버전(XS)과 짧게 학습한 버전(1/16 학습량)을 가이드 모델로 사용함으로써, 품질 향상 효과를 분리할 수 있음을 발견했다.
이를 통해 생성 품질을 향상시키는 동시에 변이성을 유지할 수 있으며, 특히 unconditional 모델에도 적용 가능하다는 점에서 기존 접근과 차별화된다.

기술적 접근법

주요 결과

의의 및 한계

실용적 활용