What are Diffusion Models?

摘要

介紹了擴散模型（Diffusion Models）的基本原理。它將資料視為在時間步長上逐步加噪的隨機過程，並學習反向過程以從噪聲中重建真實資料。文章詳細解釋了前向加噪過程、反向去噪過程的數學基礎，以及如何使用變分下界（Variance Lower Bound）進行訓練。此外，還涵蓋了基於分數的生成建模、降噪分數匹配、以及 DDPM、DDIM 等具體模型架構。

This article introduces diffusion models, which generate data by gradually adding noise and then learning to reverse the process. It explains the mathematical foundations of forward and reverse diffusion steps, training via Variational Lower Bound, and various model architectures including Score-SG…

重點

• Diffusion models 透過逐步加噪再反向去噪來生成資料，數學上基於 Markov 鏈與高斯分佈。
• 訓練時使用變分下界（VLB）最佳化損失函式，使模型能從噪聲重建真實樣本。
• 模型分為分數網路（Score-based）、分佈機率模型（Diffusion Probabilistic）及隱式模型（DDIM）。

提到的工具與公司

• DDPM
• DDIM

適合誰看

程式開發者、資料科學家、AI 研究者或對生成式模型感興趣的技術人員。

摘要依據

講者

Lilian Weng

依據

文章全文

為什麼排在這裡

人氣

0.75

新鮮

0.00

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Stanford CS229 Machine Learning | Spring 2026 | Lecture 11: Diffusion Models影片 ・ Stanford Online ・ 1 小時 23 分（在新分頁開啟原站）
• How diffusion models work - explanation and code!影片 ・ Umar Jamil ・ 21 分鐘（在新分頁開啟原站）
• Diffusion Models for Video Generation文章 ・ Lilian Weng（部落格）
• Lesson 18: Deep Learning Foundations to Stable Diffusion影片 ・ Jeremy Howard ・ 2 小時 6 分（在新分頁開啟原站）
• Coding Stable Diffusion from scratch in PyTorch影片 ・ Umar Jamil ・ 5 小時 4 分（在新分頁開啟原站）
• Lesson 13: Deep Learning Foundations to Stable Diffusion影片 ・ Jeremy Howard ・ 1 小時 46 分（在新分頁開啟原站）