CLM-012
Claim
CFG 大幅改善 DiT-XL/2：256 上 FID 9.62→3.22→2.27（无/1.25/1.50），512 上 12.03→4.64→3.04。
| id | CLM-012 |
|---|---|
| type | claim |
| source | SRC-2212.09748 |
| scope | DiT-XL/2 at 256x256 (7M steps) and 512x512 (3M steps); FID-50K, ft-EMA decoder; 3-channel guidance scales {1.25, 1.50} |
| epistemic | supported |
| lifecycle | RECONCILED |
| created | 2026-09-03 |
| updated | 2026-09-03 |
Proposition
classifier-free guidance 大幅改善 DiT-XL/2 的 FID-50K： 256 上无 guidance 9.62 → cfg1.25 3.22 → cfg1.50 2.27； 512 上 12.03 → 4.64 → 3.04。
Evidence refs
Notes
论文框架表述："Classifier-free guidance is widely-known to yield significantly improved samples ... and the trend holds for our DiT models"（§2.1）。cfg=1.0 等价于标准采样（CPT-003），故 "无 guidance" 行即 s=1。评估口径为 3 通道 guidance（CLM-008）； 样图 caption 的 cfg 1.5–6.0 展示"保真度升、多样性降"的定性趋势 （§A.2），不出指标表。
引用（4）
- CLM-008 3 通道子集 guidance（DiT 实际做法）经 scale 换算后与全 4 通道效果近似：3ch (1+x) ≈ 4ch (1+¾x)。
- CPT-003 classifier-free guidance
- EVI-012 Table 2/3 行内梯度：256 FID 9.62→3.22→2.27、512 12.03→4.64→3.04，档位间改善递减——CFG 效应与饱和（支撑 CLM-012）。
- SRC-2212.09748 DiT 原始论文（Peebles & Xie, ICCV 2023）：ViT 替换 LDM U-Net backbone，Gflops 视角的 scaling 研究。
被引用（4）
- CPT-002 adaLN-Zero
- EVI-012 Table 2/3 行内梯度：256 FID 9.62→3.22→2.27、512 12.03→4.64→3.04，档位间改善递减——CFG 效应与饱和（支撑 CLM-012）。
- FRM-2212.09748 DiT 五层重建：以 ViT 替换 latent diffusion 的 U-Net backbone、Gflops 为透镜的 scaling 研究；边界为 class-cond ImageNet 256/512。
- VER-012 核验 CLM-012 CFG 梯度：Table 2/3 行内（256: 9.62/3.22/2.27；512: 12.03/4.64/3.04）逐格一致，scale 边界与质量-多样性权衡已记。supported。