المنهج المقترح، المعروف بـ "التوجيه بالمُميِّز" (Discriminator Guidance)، يهدف إلى تحسين إنشاء العينات في نماذج التباعد المُدرَّبة مسبقًا. يُقدِّم هذا النهج مُميِّزًا يُوفِّر إشرافًا صريحًا على مسار إزالة الضوضاء للعينة، لتحديد ما إذا كانت واقعية أم لا. على عكس نماذج الشبكات التوليدية التنافسية (GANs)، لا يتطلب منهجنا تدريبًا مشتركًا للشبكات المُقدرة للنَّقْد (score) والمُميِّز. بدلًا من ذلك، نُدرِّب المُميِّز بعد اكتمال تدريب الشبكة المُقدرة للنَّقْد، مما يجعل تدريب المُميِّز مستقرًا وسريع التقارب. أثناء إنشاء العينات، نُضيف حدًّا مساعدًا إلى الشبكة المُقدرة للنَّقْد المُدرَّبة مسبقًا بهدف خداع المُميِّز. يُصحِّح هذا الحدُّ المُقدَّر للنَّقْد من النموذج إلى المُقدَّر الحقيقي للبيانات عند الوصول إلى المُميِّز الأمثل، مما يعني أن المُميِّز يُسهم في تحسين تقدير النَّقْد بطريقة تكميلية. باستخدام خوارزميتنا، نحقِّق نتائجًا رائدة في مستوى الأداء على مجموعة بيانات ImageNet بحجم 256x256، مع مؤشر FID يبلغ 1.83 ومُعدَّل استرجاع (recall) 0.64، وهو ما يقارب قيم مؤشر FID (1.68) ومُعدَّل الاسترجاع (0.66) للبيانات المستخدمة في التحقق. نُشر الكود المصدر على الرابط التالي: https://github.com/alsdudrla10/DG.