Skip to main content

Diffusion

Diffusion 模型是一种生成模型,它通过逐步添加噪声到数据中,再通过逆向去噪过程,从纯噪声生成高质量的图像。这个过程类似于将一个清晰的图像逐步变模糊,然后再一步步恢复成清晰图像的过程。

  • Forward Diffusion Process - 前向扩散过程
    • 从数据开始逐步添加噪声,将数据转换为纯噪声
    • 每一步添加少量噪声,直到数据变得不可辨认
    • 该过程通常通过一系列预定义的噪声调度(noise schedule)来实现
  • Reverse Diffusion Process - 逆向扩散过程
    • 学习如何从纯噪声逐步去噪,恢复原始数据
    • 通过训练模型,使其能够逐步逆转噪声过程,生成逼真的图像
  • 应用
    • 图像生成
    • 图像修复
    • 图像超分辨率
  • 优势
    • 高质量生成
    • 稳定训练
      • 比 GAN 更稳定,不容易出现模式崩溃的问题。
abbr.forcn
SDStable Diffusion稳定扩散
EMAExponential Moving Average指数移动平均
VAEVariational Autoencoder变分自动编码器
MSEMean Squared Error均方误差
ft-EMAFine-Tuning Exponential Moving AverageEMA微调