作者： vivo  BlueImage Lab

摘要：针对扩散生成中长期使用的固定 CFG scale 机制存在不合理论的假设，该工作从 score 差异随扩散时间衰减的角度提出了 时间自适应的指数控制函数（C²FG）。这一 training-free、plug-and-play 引导策略在 DiT、SiT、Stable Diffusion 等多种框架上均稳定带来显著 FID 降低与 IS 提升，并可与 interval guidance/auto guidance 等方法正交叠加。实验证明，在 ImageNet 条件生成任务中，C²FG 在多个架构与采样器配置下达到了行业领先的生成质量。对应的论文已被 CVPR  接收！

该工作由vivo BlueImage Lab，上海交通大学共同完成。

本文入选 CVPR 2026

 CVPR（IEEE/CVF Conference on Computer Vision and Pattern Recognition）IEEE国际计算机视觉与模式识别会议，主要内容是计算机视觉与模式识别技术。

论文主页： https://arxiv.org/abs/2603.08155

一、为什么固定 CFG scale 不够好？

标准 CFG：

常见做法使用固定 ω，但它默认“条件/无条件差异在所有时间步同等重要”。我们的理论与实证显示： 这种差异在扩散时间上是动态变化的，因此固定 ω 难以同时兼顾早期结构形成与后期精确对齐。

二、核心理论（VP-SDE 重点）：score discrepancy 的严格上界（论文 Theorem 1）

VP-SDE 前向扩散：

Theorem 1（VP-SDE Score MSE Bound）

结论：在前向扩散中，条件/无条件分布会逐步“趋同”，其 score 差异上界随时间衰减；对应到反向采样，越接近数据（ t→0） 越需要更强、更精细的条件引导。

三、方法：C²FG（指数控制的 time-dependent CFG）

我们将固定 ω 替换为时间控制函数：

并在采样时使用：

为什么这种形式好用？

• 与理论与观测一致：差异呈指数趋势，调度函数自然对齐；

• 连续可导更稳定：比分段/线性更平滑；

• 只需两个超参：ω0（最大强度）与 λ（衰减速率）；

• training-free、plug-and-play：无需额外训练或外部分类器。

四、实验结果展示

Figure 1：理论预测的“时间趋势”在真实模型中成立

• (a) 条件与无条件 score 的 MSE 随时间变化，并被一个随t →+∞逼近 0 的函数上界约束；

• (b) 余弦相似度在反向采样过程中下降，说明二者在幅值与方向上都逐渐分离。

Figure 2：CFG vs.C²FG 的采样流程比较

• CFG： ω 为常数；

• C²FG： ω(t) 为随时间变化的衰减控制函数。

Figure 3：C²FG的直观示意（并解释 interval guidance 可视为特例/可融合）

论文指出：区间 guidance 的“只在有效区间用引导”可以在我们的框架下得到解释；同时  C²FG+ interval 可以进一步减少不必要的模型评估开销（把引导放在更“有效”的阶段）。

Figure 4：2D Toy Example（更少 outliers，更贴近目标条件分布）

• (b) EDM2（ω=1）出现 outliers；

• (c) β-CFG（α=β=2,ω=1）outliers 更多；

• (d) C²FG（ω0=1,λ=0.6）outliers 更少，匹配目标更好。

Figure 5：ImageNet 质化对比（纹理更清晰、畸变更少）

红框示例显示C²FG 能有效缓解失真与纹理模糊；在不同采样器与步数下都能保持一致改进。

ImageNet Class-Conditional（多架构、多分辨率、多采样器综合评估）

DiT-XL/2 (256×256, ODE)

• baseline：FID 2.29，IS 276.8

• C²FG（ω0=1, λ=ln2）：FID 2.07，IS 291.5

SiT-XL/2 (REPA, 256×256, SDE)（强基线也能继续提升）

• baseline：FID 1.80，IS 284.0

• C²FG（ω0=1, λ=1）：FID 1.51，IS 315.0

SiT-XL/2 (REPA, 256×256, SDE)（强基线也能继续提升）

• interval baseline：FID 1.42，IS 305.7

• interval +C²FG：FID 1.41，IS 308.0

DiT-XL/2 (512×512, SDE, 100 steps)

• baseline：FID 6.81，IS 229.5

• C²FG：FID 6.54，IS 280.9

引用：

C²FG：Control Classifier-Free Guidance via Score Discrepancy Analysis, CVPR 2026.

 vivo BlueImage Lab

蓝图影像创新实验室，主要负责移动影像算法创新，包括图像/视频处理、图像/视频交互、图像/视频增强、多模态理解大模型等方面的技术前沿探索。

致力于不断提升vivo移动影像的算法能力，使用户能够拍摄出更加清晰、美观的照片和视频。同时积极探索增强现实、具身智能等新兴技术领域的应用，努力为用户提供更加丰富和便捷的影像体验。

欢迎持续关注 vivo 影像技术，获取前沿技术创新经验分享与热招岗位信息。