分类器引导（Classifier Guidance）是一种在扩散模型中合并图像标签的方法，通过使用标签来指导扩散过程生成特定类别的图像。例如，标签“猫”可以引导逆向扩散过程生成一张关于猫的图像。这种方法借鉴了生成对抗网络（GANs）的思想，在扩散模型的归一化层中加入了类别信息，并利用分类器产生的梯度来引导模型的生成过程。
具体来说，分类器引导通过将图像标签信息纳入扩散模型中，使得模型在生成过程中能够受到标签的约束和引导。例如，在Stable Diffusion模型中，可以通过调节分类器梯度的强度来平衡生成图像的真实性和多样性。这种方法的核心在于引入一个显式的分类器，通过其产生的梯度来引导扩散过程。
需要注意的是，分类器引导与无分类器引导（Classifier-free Guidance）不同。无分类器引导不依赖外部分类器，而是通过内部机制和更灵活的引导方式来生成图像
声明：文章来源于网络，如有侵权请联系删除！