詳細解釋
無分類器引導（Classifier-Free Guidance, CFG）是無需訓練分類器即可實現條件引導的技術，是文生圖 (文字生圖 / Text-to-Image)的關鍵。
傳統分類器引導：
- 需額外訓練分類器
- 梯度指導生成方向
- 複雜且限制多
CFG改進：
- 無需分類器
- 同時訓練有條件和無條件生成
- 推理時結合兩者
數學：
- 最終得分 = uncond + scale × (cond - uncond)
- scale是引導強度（通常7-8）
- 向條件方向偏離無條件
訓練：
- 隨機丟棄條件（如10%概率）
- 丟棄時學習無條件生成
- 統一模型完成兩種生成
應用：
- 所有Stable Diffusion使用
- CFG尺度調節引導強度
- 負面提示也是CFG的應用
與負面提示詞的關係：
- CFG是技術基礎
- 負面提示是CFG的應用技巧
是現代擴散模型的標準組件。