什么时conditional diffusion和unconditional diffusion

Conditional diffusion和Unconditional diffusion通常是指在图像处理、计算机视觉和机器学习领域中的两个概念。

**Conditional Diffusion (条件扩散)**：
这是一种基于概率过程的生成模型，如Score Matching with Langevin Dynamics（SMLD）或Variational Autoencoders（VAEs）中的Diffusion Probabilistic Models。在conditional diffusion中，模型会考虑额外的信息（如标签或条件输入）来生成新的样本。它通过逐步地从给定的噪声分布恢复图像，同时受到指导信息的影响，使得生成的图像更符合特定条件或类别特征。

**Unconditional Diffusion (无条件扩散)**：
相比之下，无条件扩散模型则不依赖于外部条件。这类模型的目标是直接从随机噪声生成多样化的图像，比如Deep Image Prior（DIP）或者经典的像Langevin Dynamics这样的无约束扩散过程。在这种情况下，生成的内容通常是随机且多样性的，缺乏明确的主题或方向。