1. 条件（Condition）

在扩散模型中，条件是预先设定的信息，用于指导模型生成符合特定需求的结果。例如，如果我们想要生成一张特定风格的图像，就可以通过设定条件来限定图像的风格。在实际应用中，条件可以是类别标签、风格参数，甚至是一段文本描述。

条件通常在模型训练阶段和生成阶段都会用到。在训练阶段，模型需要根据输入的数据和对应的条件一起进行学习；在生成阶段，模型则会根据设定的条件生成对应的结果。

2. 指导（Guidance）

与条件不同，指导通常用于在模型生成过程中提供额外的局部信息，以指导模型生成具有特定局部特性的结果。例如，在图像编辑任务中，我们可以通过设定指导来指导模型在图像的特定区域内进行修改。

指导通常在模型的生成阶段使用，而在训练阶段不需要。当模型在生成过程中遇到不确定性时，可以通过引入指导来帮助模型做出决策。

延伸阅读

条件生成模型与指导生成模型

在深度学习的生成模型中，条件生成模型和指导生成模型是两种常见的模型类型，它们分别对应了扩散模型中的condition和guidance。

条件生成模型通常通过在模型输入中加入条件信息，来生成满足特定条件的数据。比如条件生成对抗网络（CGAN），在输入噪声数据的同时，还加入了类别标签作为条件，从而可以生成指定类别的图像。

指导生成模型则通过在模型生成过程中加入指导信息，来生成具有特定局部特性的数据。比如画风迁移（style transfer）任务中，模型在生成过程中需要同时考虑内容图像和风格图像的信息，从而生成具有指定风格的图像。

这两种模型类型虽然方法不同，但目标都是通过某种方式控制模型的生成结果，使其满足用户的特定需求。在实际应用中，根据任务的特性和需求，可能会选择使用条件生成模型、指导生成模型，或者两者的结合。