生成式人工智能的扩散模型概述

文章预览

本文提供了对去噪扩散概率模型（DDPMs）的数学严谨介绍，DDPMs 有时也被称为扩散概率模型或扩散模型，主要用于生成式人工智能。我们提供了 DDPMs 的基本数学框架，并解释了训练和生成过程背后的主要思想。本文还回顾了文献中一些选定的扩展和改进，如改进版 DDPMs、去噪扩散隐式模型、无分类器扩散引导模型以及潜在扩散模型。 1 引言 生成模型的目标是基于从未知潜在分布中采样得到的数据集，生成新的数据样本。为了实现这一目标，已经提出了许多不同的机器学习方法，例如生成对抗网络（GANs）[12]、变分自编码器（VAEs）[22]、自回归模型[47]、归一化流[37]和能量基模型[25]。本文将介绍去噪扩散概率模型（DDPMs），这是一类生成方法（有时也被称为扩散模型或扩散概率模型），其基于重建一个扩散过程的思想，扩散过程从潜在分布开始，逐渐 ………………………………