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.	for	cn
SD	Stable Diffusion	稳定扩散
EMA	Exponential Moving Average	指数移动平均
VAE	Variational Autoencoder	变分自动编码器
MSE	Mean Squared Error	均方误差
ft-EMA	Fine-Tuning Exponential Moving Average	EMA微调