diffusion 生成扩散模型

苏剑林博客-生成扩散模型系列：

生成扩散模型漫谈（一）：DDPM = 拆楼 + 建楼

生成扩散模型漫谈（二）：DDPM = 自回归式VAE

生成扩散模型漫谈（三）：DDPM = 贝叶斯 + 去噪 （推荐，建议直接看这一篇）

生成扩散模型漫谈（四）：DDIM = 高观点DDPM

生成扩散模型漫谈（五）：一般框架之SDE篇

.....

 

知乎：

轻松学习扩散模型（diffusion model），被巨怪踩过的脑袋也能懂——原理详解+pytorch代码详解（附全部代码）

使用pytorch轻松实现简单扩散模型diffusion model（附可跑通全部代码）

 

代码：

1. https://github.com/zoubohao/DenoisingDiffusionProbabilityModel-ddpm-  （推荐）

2. guided-diffusion/gaussian_diffusion.py at main · openai/guided-diffusion · GitHub

 

======================== 下面是一些总结 ==============================

 

具体过程和推导可参考 生成扩散模型漫谈（三）：DDPM = 贝叶斯 + 去噪 或者是DDPM论文原文

 

训练过程

训练神经网络的目的是，通过神经网络，用$x_t$估计出$x_0$，从而可以计算$p(x_{t-1})|p(x_t, x_0)$，得到$x_{t-1}$，最终一步一步往前推，得到精确的$x_0$。

 

采样过程