Programme Leçon 190 sur 246 · Module 17 : Du bruit en entrée, des images en sortie (diffusion)
Module 17 : Du bruit en entrée, des images en sortie (diffusion)

Orienter l'échantillon (guidage sans classifieur)

Pourquoi c'est important « Dessine un 7 » marche grâce à une seule ligne d'arithmétique. Chaque modèle texte-vers-image l'utilise pour que les images suivent le prompt, et la même ligne explique pourquoi la pousser trop loin rend les images pires.

Le modèle de chiffres a été entraîné avec son étiquette, et 15 % du temps avec l'étiquette cachée (un token « pas d'étiquette », difflab.NULL). Donc un seul réseau peut prédire le bruit des deux façons. Le guidage sans classifieur (Ho et Salimans, 2022) les mélange :

eps = (1 + w) eps_with_label - w eps_without_label

La différence eps_with_label - eps_without_label pointe vers « plus comme cette étiquette ». w = 0, c'est l'échantillonnage conditionnel simple ; un w plus grand pousse plus fort. Regarde la scène : le même bruit dessiné avec w = 0, 1, 2 et 4.

Mots et symboles de cette leçon
eps
le bruit en cloche qui a été ajouté ; le réseau apprend à le prédire
DDIM
échantillonner en sautant entre quelques pas, sans bruit frais
guidage sans classifieur
(1 + w) × bruit prédit avec l'étiquette - w × bruit prédit sans elle
À ton tour

Écris guided(model, x, t, labels, w). Puis remplis table : pour w valant 0, 1, 2 et 4, la part de 500 échantillons (20 pas DDIM, dont la leçon précédente a montré qu'ils valent 100 pas DDIM) qui se lisent comme le chiffre demandé, et leur proximité. Affecte à best_w le w qui a la meilleure (la plus basse) proximité parmi ceux qui atteignent au moins 0.99 de chiffres demandés.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.