샘플 조종하기(classifier-free guidance)
왜 중요한가 "7을 그려"가 되는 건 산술 한 줄 덕분이에요. 모든 텍스트-이미지 모델이 그걸 써서 그림이 프롬프트를 따르게 하고, 같은 줄이 그걸 너무 올리면 왜 그림이 나빠지는지 설명해요.
숫자 모델은 레이블과 함께, 그리고 15%의 경우 레이블을 숨기고("레이블 없음" 토큰, difflab.NULL) 훈련했어요. 그래서 신경망 하나가 두 방식으로 잡음을 예측할 수 있어요. Classifier-free guidance(Ho and Salimans, 2022)는 그걸 섞어요:
eps = (1 + w) eps_with_label - w eps_without_label
차이 eps_with_label - eps_without_label은 "이 레이블에 더 가깝게" 쪽을 가리켜요. w = 0은 평범한 조건부 샘플링이고, w가 클수록 더 세게 밀어요. 장면을 보세요: 같은 잡음을 w = 0, 1, 2, 4로 그렸어요.
이 레슨의 단어와 기호
- eps
- 더해진 종 모양 잡음. 신경망이 그걸 예측하는 걸 배워요
- DDIM
- 새 잡음 없이 몇 걸음 사이를 뛰어서 샘플링하기
- classifier-free guidance
- (1 + w) × 레이블과 함께 예측한 잡음 - w × 레이블 없이 예측한 잡음
guided(model, x, t, labels, w)를 쓰세요. 그다음 table을 채우세요: w가 0, 1, 2, 4일 때 각각, 샘플 500개(DDIM 20걸음. 지난 레슨이 DDIM 100걸음만큼 좋다는 걸 보여 줬어요) 중 요청한 숫자로 읽히는 비율과 그 가까움. best_w를 요청 적중이 적어도 0.99인 것 중 가까움이 가장 좋은(가장 낮은) w로 설정하세요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.