DDPM

概述

去噪扩散概率模型，扩散模型的开创性实现，在生成质量上媲美 GAN。

关键内容

1. 算法设计：通过马尔可夫链逐步加噪和去噪，训练网络预测每一步的噪声。
2. 生成质量：DDPM 在图像生成质量上首次媲美 GAN，且训练更稳定。
3. 计算成本：自回归生成过程计算成本高，后续的 Stable Diffusion 通过潜在空间扩散部分解决。

来源

• ai_papers_timeline.md — 2020 年时间线条目

相关

• Jonathan Ho — relates_to
• 扩散模型 — part_of
• GAN — compares_to
• Stable Diffusion — extends_to