CLM-018
Claim
推理期 CFG 大幅抬升 LDM 质量且几乎不加训练成本：LDM-KL-8 在 MS-COCO FID 23.35→12.61（s=1.5）。
| id | CLM-018 |
|---|---|
| type | claim |
| source | SRC-2112.10752 |
| scope | text-to-image: LAION-400M, 1.45B KL-LDM, BERT tokenizer, τ=transformer, MS-COCO val, 250 DDIM steps, CFG s=1.5; class-conditional: ImageNet 256^2, LDM-4 400M, 250 步, cfg=1.5 |
| epistemic | supported |
| lifecycle | RECONCILED |
| created | 2026-09-03 |
| updated | 2026-09-03 |
Proposition
在推理期施加 classifier-free guidance（CFG）能大幅抬升 LDM 样张质量（降 FID、升 IS）而几乎不加训练成本：text-to-image 的 LDM-KL-8（1.45B），开启 CFG（s=1.5）后 MS-COCO FID 由无引导的 23.35 降到 12.61、IS 由 19.93 升到 26.62；class-conditional ImageNet 256 上 LDM-4-G（cfg=1.5）FID 3.60 / IS 247.67 / prec 0.87，相对无引导 LDM-4（FID 10.56 / IS 103.49）显著改善。
Evidence refs
Notes
论文原文（§4.3.1）："applying classifier-free diffusion guidance greatly boosts sample quality, such that the guided LDM-KL-8-G is on par with the recent state-of-the-art AR and diffusion models for text-to-image synthesis, while substantially reducing parameter count." Changelog 证实 v2 的 T2I 数由 1.45B 大模型 + CFG 产生。CFG 的机制性定义（null-token dropout + 采样期外推）归属 DiT 侧 CPT-003；本条只记其在 LDM 上的效果。两处数值（T2I 23.35→12.61；ImageNet 10.56→3.60）分别锁在对应主表。
引用（3）
- CPT-003 classifier-free guidance
- EVI-018 主文 T2I 表 + ImageNet 主表：CFG 的推理期质量增益（支撑 CLM-018）。
- SRC-2112.10752 Latent Diffusion Model 原始论文（Rombach et al.）；Stable Diffusion 学术源头，DiT 所引『latent diffusion』。
被引用（3）
- EVI-018 主文 T2I 表 + ImageNet 主表：CFG 的推理期质量增益（支撑 CLM-018）。
- FRM-2112.10752 LDM 五层重建：感知压缩 AE + 潜空间扩散的两段分解，换取训练/采样成本大降；多任务多分辨率（256²/512²→~1024²）。
- VER-018 CFG 核验：推理期提质（T2I 23.35→12.61、IS 19.93→26.62；ImageNet 10.56→3.60）与两表一致、非增训，机制同 CPT-003。supported。