完整教程：AI 术语通俗词典：Diffusion Models（扩散模型）

扩散模型（Diffusion Models）是近年来生成式人工智能（Generative AI）最重要的突破之一。它广泛应用于图像生成、语音合成、3D 建模等领域，也是 Stable Diffusion、Imagen 等著名文生图模型的核心技术。

理解当代 AIGC（AI Generated Content）技术的关键一步。就是理解扩散模型，

一、术语定义

一种基于概率生成的模型。就是Diffusion Models（扩散模型）

其核心思想是：

1、正向扩散（Forward Process）：逐步向数据中添加噪声，使其趋近纯噪声。

2、反向扩散（Reverse Process）：模型学习如何一步步去掉噪声，直到生成一张与训练分布一致、与原图相似的图像。

通过最终，模型能够从随机噪声中逐步生成与真实分布相似的新内容（如图片），而不仅仅是对已有数据的修改。

示意图由 DALL-E 生成

与人类类比：

可以把扩散模型理解成一个“逆向拼图大师”：

普通拼图：从完整拼图逐步拆开，终于剩下一堆碎片。

扩散模型：训练计算机从“碎片堆”（噪声）一步步拼回一幅全新的拼图。

二、提出背景

在扩散模型之前，生成模型主要有两大路线：

1、GAN（生成对抗网络）

优点：效果好、速度快于扩散模型。

缺点：训练不稳定，模式崩塌（mode collapse）严重。

2、VAE（变分自编码器）

优点：数学理论完整，收敛稳定。

缺点：生成图像往往模糊。由于重构目标偏向平均化，导致细节损失。

扩散模型提出后，兼具稳定训练与高保真生成的优势，逐渐成为主流。

三、工作原理

扩散模型的工作流程可以概括为三步：

1、正向扩散（Forward Diffusion）

给一张清晰的图片，逐步加噪：

第 1 步：加一点噪声

第 10 步：轮廓模糊

第 100 步：几乎全是噪声

2、反向扩散（Reverse Diffusion）

模型学习如何一步步去掉噪声，直到生成一张与原始数据分布相似的图像。

3、生成阶段（Generation）

给模型一张“纯噪声”，它会学会如何一步步还原，最终生成一张“全新”的图像。

这种过程，就像一位画家：先面对一张布满杂乱笔迹的画布，然后一层层擦除、修正，最终画出一幅全新作品。

四、典型模型

1、DDPM（Denoising Diffusion Probabilistic Models, 2020）

扩散模型的开创性论文，提出完整的概率建模框架。

2、DDIM（Denoising Diffusion Implicit Models, 2020）

改进采样方法，加快生成速度。

3、Latent Diffusion（潜在扩散模型，2022）

代表作：Stable Diffusion。

不直接在像素空间扩散，而是在“潜在空间”中操作，大幅降低计算量，让个人电脑也能跑生成。

五、应用场景

1、图像生成

文生图（Text-to-Image）：Stable Diffusion、DALL·E、MidJourney。

图生图（Image-to-Image）：修复老照片、风格迁移、图像上色。

2、语音与音频

扩散模型能生成接近人类自然声音的高质量语音，并被用于音乐合成与音频修复。

3、视频与 3D

Video Diffusion Models：生成短视频。

3D Diffusion Models：建模游戏场景或虚拟现实。

小结

一种基于噪声学习的生成模型。就是本质：扩散模型

优势：训练稳定，生成高保真细节。

代表：DDPM、DDIM、Stable Diffusion。

应用：图像生成、语音合成、视频生成、3D 建模。

扩散模型让 AI 真正具备了“从无到有创造”的能力，是推动 AIGC 浪潮的核心引擎。

鼓励”就是“点赞有美意，赞赏