光学衛星画像は重要なデータ源であるが、雲の影響によりその品質がしばしば損なわれ、画像の応用や分析を妨げることがある。したがって、光学衛星画像から効果的に雲を除去することは主要な研究方向性として注目を集めている。近年の雲除去技術は主に生成対抗ネットワーク（Generative Adversarial Networks: GAN）に依存しているが、これには最適でない画像品質が伴う可能性がある。一方、拡散モデルは多様な画像生成タスクにおいて著しい成功を収めており、この課題への解決策としての潜在能力を示している。本論文では、条件付きガイダンス拡散と深層畳み込みネットワークを活用した高性能な雲除去フレームワーク「DiffCR」を提案する。特に、条件付き画像特徴抽出のために分離型エンコーダーを導入し、堅牢な色表現を提供することで、条件入力と合成出力間の外観情報の類似性を確保する。さらに、雲除去モデル内に新しいかつ効率的な時間と条件融合ブロック（Time and Condition Fusion Block）を提案し、低計算コストで条件画像と目標画像間の外観対応関係を正確にシミュレーションする。2つの一般的に使用されるベンチマークデータセットにおける広範な実験評価により、DiffCRはすべての指標で一貫して最先端の性能を達成しており、パラメータ数と計算複雑さはそれぞれ以前の最良手法の5.1%および5.4%に過ぎないことが示された。本論文が受理され次第、ソースコード、事前学習済みモデルおよび全ての実験結果は https://github.com/XavierJiezou/DiffCR にて公開される予定である。