尹博：NUS 計(jì)算機(jī)工程碩士生、LV Lab 實(shí)習(xí)生，研究方向是生成式 AI，及參數(shù)高效率微調(diào)（PEFT）。

胡曉彬：NUS LV Lab Senior Research Fellow， 研究方向是生成式 AI，MLLM Agent 等。

在大模型時(shí)代，參數(shù)高效微調(diào)（PEFT） 已成為將 Stable Diffusion、Flux 等大規(guī)模擴(kuò)散模型遷移至下游任務(wù)的標(biāo)準(zhǔn)范式。從 LoRA 到 DoRA，社區(qū)不斷探索如何用更少的參數(shù)實(shí)現(xiàn)更好的適配。

然而，現(xiàn)有的微調(diào)方法（如 LoRA、AdaLoRA）大多采用「靜態(tài)」策略：無(wú)論模型處于去噪過(guò)程的哪個(gè)階段，適配器（Adapter）的參數(shù)都是固定不變的。這種「一刀切」的方式忽略了擴(kuò)散生成過(guò)程內(nèi)在的時(shí)序物理規(guī)律，導(dǎo)致模型在處理復(fù)雜結(jié)構(gòu)與精細(xì)紋理時(shí)往往顧此失彼。

針對(duì)上述問(wèn)題，新加坡國(guó)立大學(xué) LV Lab（顏水成團(tuán)隊(duì)） 聯(lián)合電子科技大學(xué)、浙江大學(xué)等機(jī)構(gòu)提出 FeRA (Frequency-Energy Constrained Routing) 框架：首次從頻域能量的第一性原理出發(fā)，揭示了擴(kuò)散去噪過(guò)程具有顯著的「低頻到高頻」演變規(guī)律，并據(jù)此設(shè)計(jì)了動(dòng)態(tài)路由機(jī)制。

FeRA 摒棄了傳統(tǒng)的靜態(tài)微調(diào)思路，通過(guò)實(shí)時(shí)感知潛空間（Latent Space）的頻域能量分布，動(dòng)態(tài)調(diào)度不同的專(zhuān)家模塊。實(shí)驗(yàn)結(jié)果顯示，F(xiàn)eRA 在 SD 1.5、SDXL、Flux.1 等多個(gè)主流底座上，于風(fēng)格遷移和主體定制任務(wù)中均實(shí)現(xiàn)了遠(yuǎn)超 baseline 的生成質(zhì)量。

• 論文地址： https://arxiv.org/abs/2511.17979
• 項(xiàng)目主頁(yè)： https://github.com/YinBo0927/FeRA

研究背景：靜態(tài)微調(diào)與動(dòng)態(tài)生成的錯(cuò)配

擴(kuò)散生成的「頻域時(shí)序性」

擴(kuò)散模型的去噪過(guò)程（Denoising Process）本質(zhì)上是一個(gè)從無(wú)序到有序的物理演變。研究團(tuán)隊(duì)通過(guò)對(duì)中間層特征的頻譜分析發(fā)現(xiàn)，這一過(guò)程并非各向同性，而是具有鮮明的階段性特征：

• 生成初期（高噪聲）：模型主要致力于恢復(fù)圖像的低頻能量（如整體構(gòu)圖、輪廓）。
• 生成后期（低噪聲）：重心逐漸轉(zhuǎn)移至高頻能量（如紋理、邊緣細(xì)節(jié)）。

現(xiàn)有方法的局限

然而，LoRA 等主流 PEFT 方法在所有時(shí)間步（Timestep）上應(yīng)用相同的低秩矩陣。這意味著，負(fù)責(zé)「畫(huà)輪廓」的參數(shù)和負(fù)責(zé)「描細(xì)節(jié)」的參數(shù)是完全耦合的。這種目標(biāo)錯(cuò)配（Misalignment）導(dǎo)致了計(jì)算資源的浪費(fèi)：模型不得不在有限的參數(shù)空間內(nèi)權(quán)衡結(jié)構(gòu)與細(xì)節(jié)，往往導(dǎo)致生成的圖像要么結(jié)構(gòu)崩壞，要么紋理模糊。

因此，設(shè)計(jì)一種能夠感知當(dāng)前生成階段，并「按需分配」算力的動(dòng)態(tài)微調(diào)機(jī)制，成為突破性能瓶頸的關(guān)鍵。

方法介紹：FeRA 框架

為了解決上述痛點(diǎn)，研究團(tuán)隊(duì)提出了 FeRA (Frequency-Energy Constrained Routing)。該框架包含三個(gè)核心組件，形成了一個(gè)感知 - 決策 - 優(yōu)化的閉環(huán)：

頻域能量指示器 (Frequency-Energy Indicator, FEI)

這是 FeRA 的「眼睛」，不同于以往方法僅依賴(lài)離散的時(shí)間步（Timestep）作為條件，F(xiàn)eRA 利用 高斯差分 (Difference-of-Gaussians, DoG) 算子，在潛空間直接提取特征的頻域能量分布。

• 它將特征分解為多個(gè)頻帶。
• 實(shí)時(shí)計(jì)算各頻帶的歸一化能量值，形成一個(gè)連續(xù)的、物理可解釋的能量向量。

軟頻域路由器 (Soft Frequency Router)

這是 FeRA 的「大腦」，基于 FEI 提供的能量信號(hào)，路由器通過(guò)一個(gè)輕量級(jí)網(wǎng)絡(luò)動(dòng)態(tài)計(jì)算不同LoRA 專(zhuān)家 (Experts)的權(quán)重。

• 低頻主導(dǎo)時(shí)：系統(tǒng)自動(dòng)激活擅長(zhǎng)結(jié)構(gòu)生成的專(zhuān)家分支。
• 高頻主導(dǎo)時(shí)：平滑過(guò)渡到擅長(zhǎng)紋理細(xì)節(jié)的專(zhuān)家分支。 這種機(jī)制實(shí)現(xiàn)了參數(shù)的解耦，讓不同的專(zhuān)家專(zhuān)注于其擅長(zhǎng)的頻域范圍。

頻域能量一致性正則化 (FECL)

這是 FeRA 的「穩(wěn)定器」，為了防止微調(diào)過(guò)程偏離原本的生成軌跡，團(tuán)隊(duì)引入了FECL (Frequency-Energy Consistency Loss)。該損失函數(shù)強(qiáng)制要求：LoRA 產(chǎn)生的參數(shù)更新量（Update），其在頻域上的能量分布必須與模型原本的殘差誤差（Residual Error）保持一致。這確保了微調(diào)過(guò)程「指哪打哪」，極大地提升了訓(xùn)練穩(wěn)定性。

實(shí)驗(yàn)驗(yàn)證：從風(fēng)格遷移到主體定制

研究團(tuán)隊(duì)在Stable Diffusion 1.5、2.0、3.0、SDXL以及最新的FLUX.1等多個(gè)主流底座上進(jìn)行了廣泛測(cè)試 。實(shí)驗(yàn)涵蓋了風(fēng)格遷移（Style Adaptation）和主體定制（DreamBooth）兩大任務(wù)。

風(fēng)格遷移：FID 與 CLIP 的雙贏

在 Cyberpunk, Watercolor 等多種風(fēng)格數(shù)據(jù)集上，F(xiàn)eRA 在FID（圖像質(zhì)量） 、CLIP Score（語(yǔ)義對(duì)齊）和 Style（MLLM 評(píng)分）上均取得了最優(yōu)或次優(yōu)的成績(jī)。

主體定制：更懂你的 Prompt

在 DreamBooth 任務(wù)（如讓特定的狗游泳、讓特定的茶壺放在草地上）中，F(xiàn)eRA 展示了驚人的文本可控性。

• 痛點(diǎn)解決：傳統(tǒng)方法容易過(guò)擬合主體（Identity），導(dǎo)致無(wú)法響應(yīng)新的背景提示詞（Prompt）。
• FeRA 表現(xiàn)：在 CLIP-T（文本對(duì)齊度）指標(biāo)上，F(xiàn)eRA 顯著優(yōu)于 DoRA 和 AdaLoRA 。這意味著它不僅記住了「這只狗」，還能聽(tīng)懂指揮讓它「去游泳」。

總結(jié)

總的來(lái)看，目前的擴(kuò)散模型微調(diào)仍以靜態(tài)參數(shù)疊加為主，在處理復(fù)雜的多頻段信息時(shí)存在天然瓶頸。

LV Lab 顏水成團(tuán)隊(duì) 提出的 FeRA 框架，通過(guò)引入頻域第一性原理，將微調(diào)從「參數(shù)層面的分解」推進(jìn)到了「機(jī)制層面的對(duì)齊」。FeRA 證明了：順應(yīng)生成過(guò)程的物理規(guī)律，利用頻域能量進(jìn)行動(dòng)態(tài)路由，是實(shí)現(xiàn)高效、高質(zhì)量微調(diào)的關(guān)鍵路徑。

這一工作不僅刷新了各項(xiàng) SOTA 指標(biāo)，更為未來(lái)擴(kuò)散模型在視頻生成、3D 生成等更復(fù)雜任務(wù)中的微調(diào)提供了極具價(jià)值的新思路。