DDPM 和 DDIM 的区别是什么? 第一步:前置小知识(重参数化技巧) 在扩散模型中,我们最常用到一个技巧:如果你有一个符合正态分布的变量 (均值为 ,方差为 ),我们可以把它拆成: 这里的 是一个标准正态分布的纯噪声 。 直白点说: 任意状态 = 确定的基础值 + (随机噪声 噪声强度)。记住这个公式,它是贯穿整个推导的灵魂。 第二步:DDPM 的基础设定(从头到尾加噪) 在原来的 DDPM(去噪扩散概率模型)中,我们有一个清晰的正向加噪过程。 假设我们有一张清晰的图像(或者机器人的一个完美动作),叫做 。我们在它上面不断加噪声,加到第 步时,它变成了 。 DDPM 证明了一个极...