快速解釋

Classifier-Free Diffusion Guidance 的核心是：把有條件與無條件兩種 denoiser 合併到同一個模型裡。訓練時偶爾拿掉條件，推論時再把 conditional score 和 unconditional score 線性組合，就能像 classifier guidance 一樣提高 fidelity，同時不需要額外分類器。

問題設定

• 傳統 classifier guidance 會在 diffusion sampling 時額外加上一個 noisy classifier 的梯度。
• 這雖然能提升 sample quality，但訓練流程更複雜，因為分類器必須能處理噪聲影像，不能直接拿現成 classifier 來用。
• 此外，guidance 效果會混入 classifier 本身的 bias，很難分辨品質提升到底來自生成模型還是來自 classifier gradient。

核心想法

• 用同一個 diffusion model 同時學 p(z_lambda | c) 與 p(z_lambda)；做法是在訓練時以機率 p_uncond 把 condition c 隨機丟掉，改成空條件。
• 如此一來，模型既會輸出 conditional score，也會輸出 unconditional score。
• 推論時對同一個 noisy sample 各跑一次 conditional 與 unconditional 前向，然後用 guidance strength w 做線性組合。
• 差值 epsilon_theta(z,c) - epsilon_theta(z) 可以理解成把樣本往條件專屬高密度區域推的方向；w 越大，樣本越符合條件，但多樣性通常越低。

關鍵公式

連續時間 diffusion 的基本訓練目標為

其中 noisy sample 由

產生。

classifier-free guidance 的採樣公式是

若用隱式 classifier 的角度看，條件與無條件 score 的差滿足

• 第二式表示 guidance 其實是在放大 conditional score，並扣掉 unconditional score。
• 當 w = 0 時就是一般 conditional sampling；w 增大時，條件一致性提高，但 mode coverage 會下降。

模型結構

1. 單一 diffusion network：輸入 noisy sample z_lambda、噪聲等級與 condition c，輸出 denoising score。
2. 訓練階段：以機率 p_uncond 把 c 替換成空條件，讓同一個模型同時學到 conditional 與 unconditional 兩種模式。
3. 推論階段：每個 diffusion step 都做兩次前向，一次帶 c，一次帶空條件。
4. Guidance 組合：用上式合成 tilde{epsilon}，再送入標準 reverse diffusion sampler。
5. 方法本質：CFDG 並不是新增一個外部模組，而是把 guidance 完全內化進生成模型本身，因此訓練與部署都比 classifier guidance 更乾淨。