Jonathan Ho

概述

深度学习研究者，DDPM（去噪扩散概率模型）的主要发明者，开创了扩散模型生成图像的新范式。

关键内容

1. DDPM 论文（2020）：发表《Denoising Diffusion Probabilistic Models》，提出通过逐步去噪过程生成高质量图像，在生成质量上媲美 GAN。
2. 扩散模型原理：通过前向加噪和反向去噪两个过程，将复杂数据分布映射到简单高斯分布，训练稳定且模式覆盖全面。
3. 后续影响：DDPM 直接催生了 Stable Diffusion、DALL-E 2 等扩散模型应用，成为图像生成的主流范式。

来源

• ai_papers_timeline.md — 2020 年时间线条目

相关

• 扩散模型 — contributed_to
• DDPM — contributed_to
• GAN — compares_to
• Stable Diffusion — influenced