扩散模型之DDPM

Paper：Denoising Diffusion Probabilistic Models

DDPM（Denoising Diffusion Probabilistic Models） 可以说是一个里程碑式的论文，在此之前，扩散模型虽然有理论框架，但是一直缺乏生成高分辨率，高质量样本的能力。

DDPM 整体的示意图如下：

image.png

通俗理解：

• 我知道原图 ，也知道我加进去的噪声 ，所以我可以构造出带噪图 。
• 然后我把 和时间步 给模型，让它猜
• 猜得越准，说明模型越懂得如何去噪。

首先我们理解一下前向扩散过程。前向扩散就是逐步给原始图像 加上噪声，直到它变成纯噪声 。

通过公式表达：

其中：

• 是保留下来的原图信号。
• 是混进去的噪声。
• 越大，原图信号越少，噪声越多。

然后训练的时候，我们把 和 输入模型，让模型预测噪声：

训练目标就是：