一文看懂 | 扩散模型（Diffusion Models）：从噪声到图像的神奇之旅

文章预览

在人工智能领域，生成模型一直是研究的热点之一。最近，扩散模型（Diffusion Models）因其在图像生成领域取得的显著进展而备受关注。今天，我们就来揭开扩散模型的神秘面纱，一探究竟。 什么是扩散模型？ 扩散模型的概念并不新鲜。2015年的一篇论文 “Deep Unsupervised Learning using Nonequilibrium Thermodynamics” 中首次提出了这一概念。 其核心思想是，通过一个迭代的正向扩散过程系统地、缓慢地破坏数据分布中的结构，然后学习一个反向扩散过程来恢复数据中的结构，从而得到一个高度灵活且易于处理的生成模型。 正向扩散过程 正向扩散过程是将图像转化为噪声的过程。如果我们对任何图像添加噪声，最终目标是得到类似于纯噪声的结果。这个过程的每一步都是通过添加噪声来破坏图像的非随机分布，定义为： 这里， 是我们的正向过程， 是第 步 ………………………………