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(三):DDPM = 贝叶斯 + 去噪 (推荐,建议直接看这一篇)
.....
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