近日，一项名为Guidance-Free Training（GFT）的技术突破引发计算机视觉领域关注。该技术通过完全消除对Classifier-Free Guidance（CFG）的依赖，在保持生成质量的同时显著降低计算成本。与传统基于蒸馏的方法不同，GFT采用从零开始的训练范式，仅需对现有代码库进行最小化修改即可实现。研究表明，这种端到端的训练方式不仅能减少约30%的显存占用，还能维持与主流引导方法相当的FID指标。技术实现上，GFT通过重构潜在空间优化路径，在无条件生成和有条件生成任务中展现出独特优势，为Stable Diffusion等主流模型的轻量化部署提供了新思路。目前该论文已在arXiv预印本平台发布，代码兼容PyTorch和JAX框架。