Skip to content
简体中文

切换主题

// ✦ 扩散、流匹配与生成模型

无分类器引导 CFG

同时预测有条件和无条件的结果,按比例放大差异,让图更贴合提示。

Classifier-Free Guidance (CFG) 2022 进阶 核心

通俗解释

训练时随机丢掉文本条件,让一个模型同时会“有条件”和“无条件”生成;采样时沿二者差值方向放大,引导强度越高越贴合提示但多样性下降。

用在哪里:几乎所有文生图/文生视频(guidance_scale 参数)

时间轴 · 前置 → 当前 → 后继

2020 去噪扩散概率模型 DDPM2022 无分类器引导 CFG

01原始论文

Classifier-Free Diffusion Guidance

Jonathan Ho, Tim Salimans · 2022

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

先学

无分类器引导 CFG

学完可以学

  • 图谱里暂无后继

相关:潜空间扩散(Stable Diffusion)

去噪扩散概率模型 DDPM潜空间扩散(Stable Di… 无分类器引导 CFG

左:前置 · 右:后继 · 虚线:相关。看完整关系图 →

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

所在学习路线:生成式与前沿研究

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)