Momentum Guidance: Neue, effiziente Steuerung für Flow-Modelle

Flow-basierte Generative Modelle haben sich als leistungsstarkes Werkzeug für hochqualitative Bildgenerierung etabliert. In ihrer Standardform werden vortrainierte Modelle jedoch selten für bedingte Aufgaben eingesetzt, weil die erzeugten Samples oft diffus wirken und Details fehlen – ein Nebenprodukt der Glättung durch neuronale Netze.

Traditionelle Techniken wie die classifier‑free Guidance (CFG) steigern die Bildqualität, kosten jedoch doppelt so viel an Inferenzzeit und verringern häufig die Vielfalt der erzeugten Samples. Die neue Methode Momentum Guidance (MG) nutzt die ODE‑Trajektorie selbst: Sie extrapoliert die aktuelle Geschwindigkeit anhand eines exponentiell gewichteten Durchschnitts vergangener Geschwindigkeiten und behält dabei die Kosten von nur einer Auswertung pro Schritt bei.

MG liefert die gleiche Wirkung wie herkömmliche Guidance, ohne zusätzlichen Rechenaufwand, und kann sogar noch bessere Ergebnisse erzielen, wenn es mit CFG kombiniert wird. In umfangreichen Tests zeigte MG auf ImageNet‑256 eine durchschnittliche FID‑Verbesserung von 36,68 % ohne CFG und 25,52 % mit CFG, wobei bei 64 Sampling‑Schritten ein FID von 1,597 erreicht wurde. Auch bei großen Flow‑Modellen wie Stable Diffusion 3 und FLUX.1‑dev bestätigten die Ergebnisse konsistente Qualitätssteigerungen über alle gängigen Metriken hinweg.