科學空間 https://kexue.fm/tag/%E6%89%A9%E6%95%A3/4/
生成擴散模型漫談（一）：DDPM = 拆樓 + 建樓
將DDPM加噪去噪比作拆樓建樓的過程吐限，原論文中的loss推導(dǎo)是)
忧便，一個比較tricky的方法七芭。
而這一篇考慮重建的每一步，也就是
之間的距離鼻听，這兩個可以用
采樣表示，而推導(dǎo)過程中存在過多隨機采樣跺撼，所以對正態(tài)分布采樣進行整理主籍，得到DDPM的loss。
生成擴散模型漫談（二）：DDPM = 自回歸式VAE
類似對VAE的分析乳愉，考慮編碼過程和解碼過程的聯(lián)合分布兄淫，要求最小化這兩個聯(lián)合分布之間的差距屯远，也能推導(dǎo)得到DDPM的loss。
生成擴散模型漫談（三）：DDPM = 貝葉斯 + 去噪
在推導(dǎo)解碼過程時捕虽，使用貝葉斯定理慨丐。因為)
與)
未知，所以在給定條件下使用貝葉斯定理泄私，很合理房揭。
但是回到我們最初的目的，我們希望用
預(yù)測
晌端，所以大膽考慮使用預(yù)測,這也就是DDPM中的denoise的核心捅暴。
因為)
的分布不知道，該篇還分享了兩個確定采樣方差的參考性方法咧纠，分別假設(shè)數(shù)據(jù)集只有一個樣本和數(shù)據(jù)集為正太分布推理得到蓬痒。
生成擴散模型漫談（四）：DDIM = 高觀點DDPM
所以考慮過河拆橋，扔掉)
的假設(shè)漆羔。
放松了每一步的采樣條件梧奢，通過待定系數(shù)法把方差轉(zhuǎn)化為一個可變的參數(shù)。
最后分析了方差為0的情況下钧椰，問題轉(zhuǎn)變?yōu)橐粋€常微分方程的求解問題粹断。
生成擴散模型漫談（五）：一般框架之SDE篇
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
