通过去噪生成

区分训练中的加噪过程与逐步生成。

工作原理

扩散

在DDPM中，前向过程逐渐向数据加入噪声。网络学习反转该破坏过程所需的信息。采样从噪声开始，经过去噪步骤生成新样本。

xₜ = √ᾱₜ x₀ + √(1 − ᾱₜ) ε, ε ∼ N(0,I)

x₀是数据，ε是高斯噪声，ᾱₜ是截至t的保留系数之积。公式描述DDPM的前向加噪，并不代表所有生成变体。

回答前，先用自己的话解释。

扩散方法可以与Transformer架构结合。

网络、训练目标与采样日程是不同选择。数据和计算量也影响质量。去噪不意味着必然恢复某张记住的原始图像。

基于所引公开资料的教学总结。论文结果受其任务、协议和资源预算约束。