DDPM
总体训练原理
讲得很好:每次都是输入t和noise-x的图像,预测noise之后得到和加入的noise比较;

推理的时候是给一个xt-全部都是噪声和t,然后t--去噪;每次都是随机生成的噪声,每一次减噪都是对应该随机噪声的model了之后的结果,每次生成的图都不一样。
deblur diffusion原理
DDPM
总体训练原理
讲得很好:每次都是输入t和noise-x的图像,预测noise之后得到和加入的noise比较;
推理的时候是给一个xt-全部都是噪声和t,然后t--去噪;每次都是随机生成的噪声,每一次减噪都是对应该随机噪声的model了之后的结果,每次生成的图都不一样。
deblur diffusion原理