技术
Classifier-Free Guidance（无分类器引导）
Classifier-Free Guidance是一种无需额外分类器即可增强生成模型条件控制能力的技术，通过联合训练条件与无条件生成，并在采样时外推两者差异，解决条件生成中样本质量与多样性平衡的问题。典型应用于扩散模型和自回归模型，如Stable Diffusion、DALL·E 2。
详细解释
该技术由Ho和Salimans于2022年提出，是对Classifier Guidance的改进。传统方法需训练一个噪声分类器提供梯度，而CFG直接训练一个模型同时预测条件分布和无条件分布，采样时按公式ε = ε_uncond + s*(ε_cond - ε_uncond)进行外推，其中s为引导强度。这避免了额外分类器训练，且能灵活调节条件遵循程度。CFG已成为文本到图像生成的标准组件，显著提升了生成质量与文本对齐度。
别名与相关写法
classifier-free guidance