# 无分类器引导

人体动作生成此前多靠指定做什么动作或身体往哪走，StepControl 换了一个控制入口：只给未来左右脚的落地时间表，不要求目标根节点与身体姿态，也不用语义提示。它把接触当作显式时间事件，用专门的交叉注意力注入，并配合无分类器引导与随机混合噪声调度、预热策略来稳定长时自回归生成。实验显示它比把现有空间引导生成器改造成接触约束更准确地遵循规定接触时序，并在长连续生成中保持接触控制，还能响应步频变化、走走停停、跛行和双脚跳等编辑后的时间表。

人体动作生成此前多靠指定做什么动作或身体往哪走，StepControl 换了一个控制入口：只给未来左右脚的落地时间表，不要求目标根节点与身体姿态，也不用语义提示。它把接触当作显式时间事件，用专门的交叉注意力注入，并配合无分类器引导与随机混合噪声调度、预热策略来稳定长时自回归生成。实验显示它比把现有空间引导生成器改造成接触约束更准确地遵循规定接触时序，并在长连续生成中保持接触控制，还能响应步频变化、走走停停、跛行和双脚跳等编辑后的时间表。

视频流模型做奖励对齐时，把引导采样与优化锚点拆开，让无引导单分支推理也能拿到引导探索的收益，同时保留推理时引导的原有语义。

视频流模型做奖励对齐时，把引导采样与优化锚点拆开，让无引导单分支推理也能拿到引导探索的收益，同时保留推理时引导的原有语义。

流匹配模型的分类器无关引导此前对所有潜变量token使用同一个缩放系数，而各token的速度预测在采样过程中变化并不一致。TrajCFG把引导速度方向的历史变化映射为有界系数，方向变化大的token给更强引导，方向稳定的token给更弱引导，并融合相邻步与区间归一化的长跨度反馈，且不增加模型评估次数。在文本到视频、图像到视频、文本-音频-视频、文本到图像和图像到3D生成上，它相对基础采样器均有提升；文本到视频在三个骨干上VBench总分比各自最强基线高0.30至0.75分。

流匹配模型的分类器无关引导此前对所有潜变量token使用同一个缩放系数，而各token的速度预测在采样过程中变化并不一致。TrajCFG把引导速度方向的历史变化映射为有界系数，方向变化大的token给更强引导，方向稳定的token给更弱引导，并融合相邻步与区间归一化的长跨度反馈，且不增加模型评估次数。在文本到视频、图像到视频、文本-音频-视频、文本到图像和图像到3D生成上，它相对基础采样器均有提升；文本到视频在三个骨干上VBench总分比各自最强基线高0.30至0.75分。

地下裂缝网络此前只能按预设统计量逐条抽样，难以在稀疏井观测下约束。这里把二维与三维裂缝网络表示为二值占据场，用变分自编码器压到紧凑潜空间，再由扩散模型学习其分布，并通过学习式条件编码、无分类器引导与扩散后验采样把井观测注入采样过程。二维条件实现满足99.6%的井观测，三维原生体素场在保持裂缝体积分数接近参考集合的同时满足84.2%的井体素。

地下裂缝网络此前只能按预设统计量逐条抽样，难以在稀疏井观测下约束。这里把二维与三维裂缝网络表示为二值占据场，用变分自编码器压到紧凑潜空间，再由扩散模型学习其分布，并通过学习式条件编码、无分类器引导与扩散后验采样把井观测注入采样过程。二维条件实现满足99.6%的井观测，三维原生体素场在保持裂缝体积分数接近参考集合的同时满足84.2%的井体素。