本文介绍了基于文本和图像结合模型的生成分类方法，利用扩展图像扩散模型实现了零样本分类，并在多种基准测试上获得强大的结果。扩散方法在多模式关系推理方面具有更强的能力，并且在弱增强和没有正则化的情况下，基于图像的扩散模型也能取得与训练于同一数据集的判别分类器相近的性能。

本文介绍了基于文本和图像结合模型的生成分类方法，利用扩展图像扩散模型实现了零样本分类，并在多种基准测试上获得强大的结果。扩散方法在多模式关系推理方面具有更强的能力，并且即使在弱增强和没有正则化的情况下，基于图像的扩散模型也能取得与训练于同一数据集的判别分类器相近的性能。

本文介绍了一种基于文本和图像结合模型的生成分类方法，利用扩散模型实现了零样本分类，并在多种基准测试上获得了强大的结果。与对比差异对比性方法相比，扩散方法在多模式关系推理方面具有更强的能力，并且即使在弱增强和没有正则化的情况下，基于图像的扩散模型也能取得与训练于同一数据集的 SOTA 判别分类器相近的性能。

本文介绍了基于文本和图像结合模型的生成分类方法，利用扩散模型提供的条件概率密度估计，实现了零样本分类，并在多种基准测试上获得强大的结果。与对比差异对比性方法相比，扩散方法在多模式关系推理方面具有更强的能力，并且即使在弱增强和没有正则化的情况下，基于图像的扩散模型也能取得与训练于同一数据集的判别分类器相近的性能。