参考文档：
c论文阅读基于Stable Diffusion的图像超分 - 知乎
十分钟读懂Stable Diffusion运行原理 - 知乎
1.difussion model 扩散模型的基本原理
diffusion model 扩散模型是一类生成模型的统称，基于扩散过程生成数据。这类模型的核心是通过逐步加噪和去噪的过程生成数据样本。
扩散模型的三种主要表达方式：
1.去噪扩散概率模型（DDPM）
2.基于分数的生成模型（SGM）
3.随机微分方程（score sde）
对扩散过程的理解：假如有一副高清晰度的图片，每一步都图片上添加一些噪声，最终这幅图片变得完全模糊。扩散的任务就是学习如何逆转这过程，从一副白噪通过逐步去噪，最终还原出清晰地的图片。
扩散模型的核心思想包括两个主要过程：
第一个是正向扩散过程：即逐步向数据中添加噪声，时期转变为纯噪声，这个过程通常是一个马尔可夫链，每一步添加少量高斯噪声
第二个是逆向生成过程：学习从噪声中逐步去除噪声，恢复出原始数据，这个过程也是一个马尔可夫链，但方向相反，逐步去噪。
扩散模型的目的是什么?
学习如何从纯噪声生成图像
扩散模型是怎么做的？
训练一个网络，输入一系列添加了噪声的图潘，学习去预测这些图片中的噪声
2.基于stable difussion 对于图像超分的算法
1.stable SR
2.DIFFBIR
3.PASD
4.SEESR
5.PROMPTSR
6.COSER
7.SUPIR