डीनोइज़िंग डिफ्यूजन मॉडल्स जेनरेटिव एआई फ्रेमवर्क हैं जो शोर से छवियों को संश्लेषित करते हैं एक पुनरावृत्ति दूर करने की प्रक्रिया के माध्यम से। वे अपनी असाधारण छवि पीढ़ी क्षमताओं और विविधता के लिए जाने जाते हैं, जो बड़े पैमाने पर पाठ- या वर्ग-शर्त मार्गदर्शन विधियों के लिए जिम्मेदार है, जिनमें वर्गीकरणकर्ता मार्गदर्शन और वर्गीकरणकर्ता-मुक्त मार्गदर्शन शामिल हैं। इन मॉडलों ने विविध, उच्च-गुणवत्ता वाली छवियों को बनाने में उल्लेखनीय रूप से सफल रहे हैं। हाल के अध्ययनों से पता चला है कि मार्गदर्शन तकनीकों जैसे वर्ग कैप्शन और लेबल छवि गुणवत्ता में सुधार करने में एक महत्वपूर्ण भूमिका निभाते हैं जो इन मॉडलों द्वारा उत्पन्न की जाती हैं।

हालांकि, डिफ्यूजन मॉडल और मार्गदर्शन विधियों को कुछ बाहरी परिस्थितियों के तहत सीमाओं का सामना करना पड़ता है। वर्गीकरणकर्ता-मुक्त मार्गदर्शन (CFG) विधि, जो लेबल ड्रॉपिंग का उपयोग करती है, प्रशिक्षण प्रक्रिया में जटिलता जोड़ती है, जबकि वर्गीकरणकर्ता मार्गदर्शन (CG) विधि के लिए अतिरिक्त वर्गीकरणकर्ता प्रशिक्षण की आवश्यकता होती है। दोनों विधियां अपनी सीमाओं से सीमित हैं क्योंकि वे बाहरी परिस्थितियों पर निर्भर करती हैं, जो उनकी संभावनाओं को सीमित करती हैं और उन्हें सशर्त सेटिंग्स तक सीमित करती हैं।

स्व-ध्यान मार्गदर्शन की सीमाओं को दूर करने के लिए, डेवलपर्स ने डिफ्यूजन मार्गदर्शन के लिए एक अधिक सामान्य दृष्टिकोण तैयार किया है, जिसे स्व-ध्यान मार्गदर्शन (SAG) के रूप में जाना जाता है। यह विधि डिफ्यूजन मॉडल्स के मध्यवर्ती नमूनों से जानकारी का उपयोग करके छवियों को उत्पन्न करने के लिए करती है। हम इस लेख में SAG की कार्यप्रणाली, विधियों और परिणामों पर चर्चा करेंगे, जो वर्तमान राज्य-ऑफ-द-आर्ट फ्रेमवर्क और पाइपलाइनों की तुलना में हैं।

स्व-ध्यान मार्गदर्शन: डिफ्यूजन मॉडल्स की नमूना गुणवत्ता में सुधार

डीनोइज़िंग डिफ्यूजन मॉडल्स (DDMs) अपनी छवि संश्लेषण क्षमताओं के लिए लोकप्रिय हो गए हैं जो शोर से छवियों को संश्लेषित करने के लिए एक पुनरावृत्ति दूर करने की प्रक्रिया का उपयोग करते हैं। इन मॉडल्स की छवि संश्लेषण क्षमता मुख्य रूप से नियोजित डिफ्यूजन मार्गदर्शन विधियों के कारण है, जो डिफ्यूजन मॉडल्स और मार्गदर्शन-आधारित विधियों को सीमाओं का सामना करना पड़ता है जैसे जटिलता और बढ़ी हुई गणना लागतें।

वर्तमान सीमाओं को दूर करने के लिए, डेवलपर्स ने स्व-ध्यान मार्गदर्शन विधि पेश की है, जो एक अधिक सामान्य डिफ्यूजन मार्गदर्शन विधि है जो बाहरी जानकारी पर निर्भर नहीं करती है, जिससे एक सशर्त-मुक्त और लचीला दृष्टिकोण प्रदान किया जा सकता है डिफ्यूजन फ्रेमवर्क को मार्गदर्शन देने के लिए। स्व-ध्यान मार्गदर्शन विधि अंततः पारंपरिक डिफ्यूजन मार्गदर्शन विधियों की लागू करने योग्यता को बढ़ाती है जो बाहरी आवश्यकताओं के साथ या बिना मामलों में हो सकती है।

स्व-ध्यान मार्गदर्शन एक सरल सिद्धांत पर आधारित है, जो यह मानता है कि मध्यवर्ती नमूनों के भीतर निहित आंतरिक जानकारी भी मार्गदर्शन के रूप में कार्य कर सकती है। इस सिद्धांत के आधार पर, SAG विधि सबसे पहले ब्लर मार्गदर्शन पेश करती है, जो नमूना गुणवत्ता में सुधार करने के लिए एक सरल और सीधा समाधान है। ब्लर मार्गदर्शन का उद्देश्य गॉसियन ब्लर के हानिरहित गुणों का फायदा उठाना है जो मध्यवर्ती पुनर्निर्माण के दौरान जानकारी को प्राकृतिक रूप से हटा देता है, और इसके बजाय इस जानकारी का उपयोग अपनी भविष्यवाणियों को बढ़ाने के लिए करता है। हालांकि, ब्लर मार्गदर्शन विधि मध्यम मार्गदर्शन स्केल पर नमूना गुणवत्ता में सुधार करती है, लेकिन बड़े मार्गदर्शन स्केल पर परिणामों को दोहराने में विफल रहती है क्योंकि यह अक्सर पूरे क्षेत्रों में संरचनात्मक अस्पष्टता पेश करती है।

इस प्रकार, ब्लर मार्गदर्शन विधि मूल इनपुट की भविष्यवाणी के साथ विकृत इनपुट की भविष्यवाणी को संरेखित करने में कठिनाई का सामना करती है। बड़े मार्गदर्शन स्केल पर ब्लर मार्गदर्शन विधि की स्थिरता और प्रभावशीलता को बढ़ाने के लिए, स्व-ध्यान मार्गदर्शन विधि डिफ्यूजन मॉडल्स के स्व-ध्यान तंत्र का फायदा उठाने का प्रयास करती है, क्योंकि आधुनिक डिफ्यूजन मॉडल्स पहले से ही अपनी वास्तुकला में स्व-ध्यान तंत्र रखते हैं।

स्व-ध्यान मार्गदर्शन विधि स्व-ध्यान मानचित्रों का उपयोग करके मध्यवर्ती नमूनों के भीतर निहित सार्थक जानकारी को पकड़ने का प्रयास करती है, और इसके परिणामस्वरूप, डिफ्यूजन मॉडल्स को आवश्यक शेष जानकारी के साथ मार्गदर्शन देती है। विधि तब डिफ्यूजन मॉडल्स की उल्टी प्रक्रिया के दौरान ध्यान मानचित्रों का उपयोग करके छवियों की गुणवत्ता में सुधार करने और स्व-स्थिति का उपयोग करके कलाकृतियों को कम करने के लिए करती है, जो अतिरिक्त प्रशिक्षण या बाहरी जानकारी की आवश्यकता नहीं है।

संक्षेप में, स्व-ध्यान मार्गदर्शन विधि

1. एक नई दृष्टिकोण है जो डिफ्यूजन फ्रेमवर्क के आंतरिक स्व-ध्यान मानचित्रों का उपयोग करके उत्पन्न नमूना छवि गुणवत्ता में सुधार करने के लिए कोई अतिरिक्त प्रशिक्षण या बाहरी परिस्थितियों पर निर्भर नहीं करती है।
2. SAG विधि सशर्त मार्गदर्शन विधियों को एक सशर्त-मुक्त विधि में सामान्य बनाने का प्रयास करती है जो किसी भी डिफ्यूजन मॉडल के साथ एकीकृत की जा सकती है बिना अतिरिक्त संसाधनों या बाहरी परिस्थितियों की आवश्यकता के, जिससे मार्गदर्शन-आधारित फ्रेमवर्क की लागू करने योग्यता बढ़ जाती है।
3. SAG विधि मौजूदा सशर्त विधियों और फ्रेमवर्क के लिए अपनी ऑर्थोगोनल क्षमताओं को प्रदर्शित करने का प्रयास करती है, जिससे अन्य विधियों और मॉडलों के साथ लचीला एकीकरण संभव हो जाता है और प्रदर्शन में सुधार होता है।

आगे बढ़ते हुए, स्व-ध्यान मार्गदर्शन विधि डीनोइज़िंग डिफ्यूजन मॉडल्स, नमूना मार्गदर्शन, जेनरेटिव एआई स्व-ध्यान विधियों, और डिफ्यूजन मॉडल्स के आंतरिक प्रतिनिधित्व से संबंधित फ्रेमवर्क के निष्कर्षों से सीखती है। हालांकि, इसके मूल में, स्व-ध्यान मार्गदर्शन विधि डीडीपीएम या डीनोइज़िंग डिफ्यूजन प्रोबेबिलिस्टिक मॉडल्स, वर्गीकरणकर्ता मार्गदर्शन, वर्गीकरणकर्ता-मुक्त मार्गदर्शन, और डिफ्यूजन फ्रेमवर्क में स्व-ध्यान से सीखती है। हम इन विषयों पर आगामी अनुभाग में गहराई से चर्चा करेंगे।

स्व-ध्यान मार्गदर्शन: प्रारंभिक बातें, विधियां, और वास्तुकला

डीनोइज़िंग डिफ्यूजन प्रोबेबिलिस्टिक मॉडल या डीडीपीएम

डीडीपीएम या डीनोइज़िंग डिफ्यूजन प्रोबेबिलिस्टिक मॉडल एक मॉडल है जो एक पुनरावृत्ति दूर करने की प्रक्रिया का उपयोग करके शोर से एक छवि को पुनर्प्राप्त करने के लिए काम करता है। पारंपरिक रूप से, एक डीडीपीएम मॉडल एक इनपुट छवि और एक समय कदम पर एक वेरिएंस अनुसूची प्राप्त करता है ताकि एक आगे की प्रक्रिया के रूप में जाने वाली मार्कोवियन प्रक्रिया का उपयोग करके छवि प्राप्त की जा सके।

वर्गीकरणकर्ता और वर्गीकरणकर्ता-मुक्त मार्गदर्शन जीएनएएन कार्यान्वयन के साथ

जीएनएएन या जेनरेटिव एडवर्सेरियल नेटवर्क्स विविधता के लिए विशिष्टता के लिए एक अद्वितीय व्यापार बिंदु रखते हैं, और डिफ्यूजन मॉडल्स में जीएनएएन फ्रेमवर्क की इस क्षमता को लाने के लिए, स्व-ध्यान मार्गदर्शन फ्रेमवर्क एक वर्गीकरणकर्ता मार्गदर्शन विधि का प्रस्ताव करता है जो एक अतिरिक्त वर्गीकरणकर्ता का उपयोग करता है। इसके विपरीत, एक वर्गीकरणकर्ता-मुक्त मार्गदर्शन विधि को अतिरिक्त वर्गीकरणकर्ता के बिना लागू किया जा सकता है ताकि समान परिणाम प्राप्त किए जा सकें। हालांकि, विधि वांछित परिणाम प्रदान करती है, यह अभी भी गणनात्मक रूप से व्यवहार्य नहीं है क्योंकि यह अतिरिक्त लेबल की आवश्यकता होती है और फ्रेमवर्क को सशर्त डिफ्यूजन मॉडल्स तक सीमित करती है जो अतिरिक्त परिस्थितियों जैसे पाठ या वर्ग की आवश्यकता होती है, साथ ही अतिरिक्त प्रशिक्षण विवरण जो मॉडल की जटिलता को बढ़ाते हैं।

डिफ्यूजन मार्गदर्शन को सामान्य बनाना

वर्गीकरणकर्ता और वर्गीकरणकर्ता-मुक्त मार्गदर्शन विधियां डिफ्यूजन मॉडल्स में सशर्त पीढ़ी में मदद करती हैं, लेकिन वे अतिरिक्त इनपुट पर निर्भर करती हैं। किसी भी दिए गए समय कदम के लिए, डिफ्यूजन मॉडल के इनपुट में एक सामान्यीकृत स्थिति और एक विकृत नमूना शामिल होता है जिसमें सामान्यीकृत स्थिति नहीं होती है। इसके अलावा, सामान्यीकृत स्थिति में मध्यवर्ती नमूने के भीतर आंतरिक जानकारी या बाहरी स्थिति या दोनों शामिल हो सकते हैं। परिणामी मार्गदर्शन एक कल्पनाशील प्रतिगमन का उपयोग करके सामान्यीकृत स्थिति की भविष्यवाणी करने के लिए तैयार किया जाता है, जो यह मानता है कि यह सामान्यीकृत स्थिति की भविष्यवाणी कर सकता है।

स्व-ध्यान मानचित्रों का उपयोग करके छवि गुणवत्ता में सुधार

सामान्यीकृत डिफ्यूजन मार्गदर्शन का अर्थ है कि यह संभव है कि विकृत नमूने में निहित सार्थक जानकारी को निकालकर डिफ्यूजन मॉडल्स की उल्टी प्रक्रिया को मार्गदर्शन दिया जा सकता है। इसी पर आधारित, स्व-ध्यान मार्गदर्शन विधि उल्टी प्रक्रियाओं के लिए सार्थक जानकारी को प्रभावी ढंग से पकड़ती है, जबकि पूर्व-प्रशिक्षित डिफ्यूजन मॉडल्स में बाहरी-वितरण मुद्दों के जोखिम को सीमित करती है।

ब्लर मार्गदर्शन

ब्लर मार्गदर्शन स्व-ध्यान मार्गदर्शन में गॉसियन ब्लर पर आधारित है, जो एक रैखिक फिल्टरिंग विधि है जिसमें इनपुट सिग्नल को एक गॉसियन फिल्टर के साथ जोड़कर एक आउटपुट उत्पन्न किया जाता है। मानक विचलन में वृद्धि के साथ, गॉसियन ब्लर इनपुट सिग्नल के भीतर महीन-स्तर की विवरण को कम करता है, और स्थिरता की ओर सिग्नल को चिकना करता है। इसके अलावा, प्रयोगों से पता चला है कि इनपुट सिग्नल और गॉसियन ब्लर आउटपुट सिग्नल के बीच एक जानकारी असंतुलन है, जहां आउटपुट सिग्नल में अधिक महीन-स्तर की जानकारी होती है।

इस ज्ञान के आधार पर, स्व-ध्यान मार्गदर्शन फ्रेमवर्क ब्लर मार्गदर्शन पेश करता है, जो एक सरल और सीधा समाधान है जो मध्यवर्ती पुनर्निर्माण के दौरान जानकारी को जानबूझकर छोड़ देता है और इसके बजाय इस जानकारी का उपयोग अपनी भविष्यवाणियों को बढ़ाने के लिए करता है। ब्लर मार्गदर्शन मूल रूप से मूल भविष्यवाणी को विकृत इनपुट भविष्यवाणी से अधिक विचलित करने का कारण बनता है। इसके अलावा, गॉसियन ब्लर का हानिरहित गुण आउटपुट सिग्नल को मूल सिग्नल से बहुत अधिक विचलित होने से रोकता है, जो इसे पूर्व-प्रशिक्षित डिफ्यूजन मॉडल्स पर लागू करने के लिए एक अधिक उपयुक्त विधि बनाता है।

स्व-ध्यान मार्गदर्शन पाइपलाइन में, इनपुट सिग्नल को पहले एक गॉसियन फिल्टर का उपयोग करके धुंधला किया जाता है, और फिर अतिरिक्त शोर के साथ विकृत किया जाता है ताकि आउटपुट सिग्नल उत्पन्न किया जा सके। इस प्रकार, SAG पाइपलाइन परिणामी ब्लर के दुष्प्रभाव को कम करती है जो गॉसियन शोर को कम करता है, और मार्गदर्शन को सामग्री पर निर्भर बनाती है न कि यादृच्छिक शोर पर। हालांकि, ब्लर मार्गदर्शन मध्यम मार्गदर्शन स्केल पर संतोषजनक परिणाम प्रदान करता है, यह मौजूदा मॉडल्स पर बड़े मार्गदर्शन स्केल पर परिणामों को दोहराने में विफल रहता है क्योंकि यह शोर वाले परिणामों का उत्पादन करने के लिए प्रवण हो जाता है, जैसा कि निम्नलिखित छवि में दिखाया गया है।

इन परिणामों का कारण वैश्विक धुंधलापन द्वारा पेश की गई संरचनात्मक अस्पष्टता हो सकती है जो SAG पाइपलाइन को मूल इनपुट की भविष्यवाणी के साथ विकृत इनपुट की भविष्यवाणी को संरेखित करने में कठिनाई का कारण बनती है, जिससे शोर वाले आउटपुट होते हैं।

स्व-ध्यान तंत्र

जैसा कि पहले उल्लेख किया गया है, डिफ्यूजन मॉडल्स में आमतौर पर एक निर्मित स्व-ध्यान घटक होता है, और यह डिफ्यूजन मॉडल फ्रेमवर्क में एक अधिक महत्वपूर्ण घटक है। स्व-ध्यान तंत्र डिफ्यूजन मॉडल्स के मूल में लागू किया जाता है, और यह मॉडल को पीढ़ी के दौरान इनपुट के सार्थक भागों पर ध्यान केंद्रित करने की अनुमति देता है, जैसा कि निम्नलिखित छवि में दिखाया गया है जिसमें उच्च-आवृत्ति मास्क शीर्ष पंक्ति में हैं और स्व-ध्यान मास्क अंतिम रूप से उत्पन्न छवियों के नीचे पंक्ति में हैं।

प्रस्तावित स्व-ध्यान मार्गदर्शन विधि इसी सिद्धांत पर आधारित है, और डिफ्यूजन मॉडल्स में स्व-ध्यान मानचित्रों की क्षमताओं का लाभ उठाती है। स्व-ध्यान मार्गदर्शन विधि मूल रूप से इनपुट सिग्नल या स्व-ध्यान द्वारा ध्यान दिए गए पैचों को धुंधला करती है, और इसके परिणामस्वरूप, आउटपुट सिग्नल में इनपुट सिग्नल के संरक्षित क्षेत्र होते हैं, जो वैश्विक धुंधलापन के कारण संरचनात्मक अस्पष्टता को रोकते हैं। पाइपलाइन तब वैश्विक औसत पूलिंग द्वारा स्व-ध्यान मानचित्रों को आयाम में एकत्रित करती है और निकटतम पड़ोसी को ऊपर नमूना लेती है ताकि इनपुट सिग्नल के संकल्प से मेल खा सके।

स्व-ध्यान मार्गदर्शन: प्रयोग और परिणाम

इसके प्रदर्शन का मूल्यांकन करने के लिए, स्व-ध्यान मार्गदर्शन पाइपलाइन को 8 नविडिया जीफोर्स आरटीएक्स 3090 जीपीयू का उपयोग करके नमूना लिया जाता है, और यह पूर्व-प्रशिक्षित आईडीडीपीएम, एडीएम, और स्टेबल डिफ्यूजन फ्रेमवर्क पर आधारित है।

स्व-ध्यान मार्गदर्शन के साथ अनशर्त पीढ़ी

स्व-ध्यान मार्गदर्शन पाइपलाइन के अनशर्त मॉडल्स पर प्रभाव को मापने के लिए और वर्गीकरणकर्ता मार्गदर्शन और वर्गीकरणकर्ता-मुक्त मार्गदर्शन दृष्टिकोण की सशर्त-मुक्त संपत्ति को प्रदर्शित करने के लिए, SAG पाइपलाइन को 50,000 नमूनों पर अनशर्त रूप से प्रशिक्षित फ्रेमवर्क पर चलाया जाता है।

जैसा कि देखा जा सकता है, SAG पाइपलाइन के कार्यान्वयन से अनशर्त इनपुट के लिए एफआईडी, एसएफआईडी, और आईएस मेट्रिक्स में सुधार होता है, जबकि रिकॉल मूल्य को कम करता है। इसके अलावा, गुणात्मक सुधार SAG पाइपलाइन के कार्यान्वयन के परिणामस्वरूप स्पष्ट है, जैसा कि निम्नलिखित छवियों में दिखाया गया है जहां शीर्ष पंक्ति में एडीएम और स्टेबल डिफ्यूजन फ्रेमवर्क से छवियां हैं, और नीचे की पंक्ति में एडीएम और स्टेबल डिफ्यूजन फ्रेमवर्क के साथ SAG पाइपलाइन से छवियां हैं।

स्व-ध्यान मार्गदर्शन के साथ सशर्त पीढ़ी

मौजूदा फ्रेमवर्क में SAG पाइपलाइन के एकीकरण से अनशर्त पीढ़ी में असाधारण परिणाम मिलते हैं, और SAG पाइपलाइन सशर्त-अज्ञेयता की क्षमता रखती है जो इसे सशर्त पीढ़ी के लिए भी लागू करने की अनुमति देती है।

स्व-ध्यान मार्गदर्शन के साथ स्टेबल डिफ्यूजन

हालांकि मूल स्टेबल डिफ्यूजन फ्रेमवर्क उच्च-गुणवत्ता वाली छवियां उत्पन्न करता है, स्टेबल डिफ्यूजन फ्रेमवर्क को स्व-ध्यान मार्गदर्शन पाइपलाइन के साथ एकीकृत करने से परिणामों में काफी सुधार हो सकता है। इसके प्रभाव का मूल्यांकन करने के लिए, डेवलपर्स खाली प्रॉम्प्ट का उपयोग करते हैं स्टेबल डिफ्यूजन के साथ एक यादृच्छिक बीज के साथ प्रत्येक छवि जोड़ी के लिए, और 500 छवि जोड़ियों पर मानव मूल्यांकन करते हैं जो स्व-ध्यान मार्गदर्शन के साथ या बिना हैं। परिणाम निम्नलिखित छवि में दिखाए गए हैं।

इसके अलावा, SAG के कार्यान्वयन से स्टेबल डिफ्यूजन फ्रेमवर्क की क्षमताओं में सुधार हो सकता है, क्योंकि वर्गीकरणकर्ता-मुक्त मार्गदर्शन को स्व-ध्यान मार्गदर्शन के साथ मिलाने से स्टेबल डिफ्यूजन मॉडल्स की श्रृंखला को पाठ-से-छवि संश्लेषण में विस्तारित किया जा सकता है। इसके अलावा, स्टेबल डिफ्यूजन मॉडल के साथ स्व-ध्यान मार्गदर्शन से उत्पन्न छवियां उच्च गुणवत्ता वाली होती हैं और कम कलाकृतियों के साथ, SAG पाइपलाइन के स्व-स्थिति प्रभाव के कारण, जैसा कि निम्नलिखित छवि में दिखाया गया है।

वर्तमान सीमाएं

हालांकि स्व-ध्यान मार्गदर्शन पाइपलाइन के कार्यान्वयन से उत्पन्न छवियों की गुणवत्ता में काफी सुधार हो सकता है, यह कुछ सीमाओं का सामना करता है।

एक प्रमुख सीमा वर्गीकरणकर्ता-मार्गदर्शन और वर्गीकरणकर्ता-मुक्त मार्गदर्शन के साथ ऑर्थोगोनलिटी है। जैसा कि निम्नलिखित छवि में दिखाया गया है, SAG पाइपलाइन के कार्यान्वयन से एफआईडी स्कोर और भविष्यवाणी स्कोर में सुधार होता है, जो यह दर्शाता है कि SAG पाइपलाइन में एक ऑर्थोगोनल घटक है जो पारंपरिक मार्गदर्शन विधियों के साथ एक ही समय में उपयोग किया जा सकता है।

हालांकि, यह अभी भी डिफ्यूजन मॉडल्स को एक विशिष्ट तरीके से प्रशिक्षित करने की आवश्यकता होती है, जो जटिलता और गणना लागत को बढ़ाता है।

इसके अलावा, स्व-ध्यान मार्गदर्शन के कार्यान्वयन से स्मृति या समय की खपत में वृद्धि नहीं होती है, जो यह संकेत देता है कि SAG में मास्किंग और धुंधलापन जैसे ऑपरेशनों से उत्पन्न ओवरहेड नगण्य है। हालांकि, यह अभी भी गणना लागत को बढ़ाता है क्योंकि यह एक अतिरिक्त कदम शामिल करता है जो कि कोई मार्गदर्शन दृष्टिकोण नहीं है।

अंतिम विचार

इस लेख में, हमने स्व-ध्यान मार्गदर्शन पर चर्चा की है, जो एक नई और सामान्य मार्गदर्शन विधि है जो डिफ्यूजन मॉडल्स के भीतर आंतरिक जानकारी का उपयोग करके उच्च-गुणवत्ता वाली छवियां उत्पन्न करने के लिए काम करती है। स्व-ध्यान मार्गदर्शन एक सरल सिद्धांत पर आधारित है और यह मानता है कि मध्यवर्ती नमूनों के भीतर निहित आंतरिक जानकारी भी मार्गदर्शन के रूप में कार्य कर सकती है। स्व-ध्यान मार्गदर्शन पाइपलाइन एक सशर्त-मुक्त और प्रशिक्षण-मुक्त दृष्टिकोण है जो विभिन्न डिफ्यूजन मॉडल्स पर लागू किया जा सकता है और स्व-स्थिति का उपयोग करके उत्पन्न छवियों में कलाकृतियों को कम करने और समग्र गुणवत्ता में सुधार करने के लिए काम करता है।