【扩散模型连载 · 第 2 期】逆向扩散建模与神经网络的角色

上期回顾

我们在第 1 期中介绍了 正向扩散过程(Forward Process),并用 CIFAR-10 图像演示了加噪过程:

正向过程是固定的,无需训练,但我们感兴趣的是:如何从纯噪声一步步"还原"出真实图像?

这就引出了今天的重点:

一、逆向扩散过程(Reverse Process)

正向扩散会将图像逐步变为噪声:

我们想做的是逆过程:

这个逆向过程也被建模成一个马尔可夫链

目标:用神经网络 θ学习出这个高斯分布的参数.

二、逆向过程的难点

相比于前向过程,逆过程存在两个挑战:

  1. 真实的 p(x_t−1∣xt)无法直接获得

    因为我们没有真实的 x_t−1​ 分布,只知道正向过程中加了噪声。

  2. 训练目标不好设计

    我们不能直接监督学习目标分布,只能间接构造损失。

三、DDPM 的关键设计:噪声预测损失

作者提出了一个巧妙的思路:

既然我们知道在正向过程中,x_t 是通过在 x_0上添加噪声得到的:

那么我们可以训练神经网络 ϵ_θ(x_t,t) 去预测加进去的噪声 ϵ

四、训练损失函数

使用 L2 loss 去预测噪声:

含义:

  • 随机采样一个时间步 t

  • 加噪得到 x_t

  • 训练网络 ϵ_θ​ 尽可能预测正确的噪声

📌 神奇之处:这个损失等价于对变分下界的优化(DDPM 论文中严格推导)

相关推荐
胡耀超21 分钟前
标签体系设计与管理:从理论基础到智能化实践的综合指南
人工智能·python·深度学习·数据挖掘·大模型·用户画像·语义分析
开-悟25 分钟前
嵌入式编程-使用AI查找BUG的启发
c语言·人工智能·嵌入式硬件·bug
Ailerx27 分钟前
YOLOv13震撼发布:超图增强引领目标检测新纪元
人工智能·yolo·目标检测
大咖分享课1 小时前
开源模型与商用模型协同开发机制设计
人工智能·开源·ai模型
你不知道我是谁?1 小时前
AI 应用于进攻性安全
人工智能·安全
reddingtons1 小时前
Adobe高阶技巧与设计师创意思维的进阶指南
人工智能·adobe·illustrator·设计师·photoshop·创意设计·aftereffects
机器之心1 小时前
刚刚,Grok4跑分曝光:「人类最后考试」拿下45%,是Gemini 2.5两倍,但网友不信
人工智能
蹦蹦跳跳真可爱5892 小时前
Python----大模型(使用api接口调用大模型)
人工智能·python·microsoft·语言模型
小爷毛毛_卓寿杰2 小时前
突破政务文档理解瓶颈:基于多模态大模型的智能解析系统详解
人工智能·llm
Mr.Winter`2 小时前
障碍感知 | 基于3D激光雷达的三维膨胀栅格地图构建(附ROS C++仿真)
人工智能·机器人·自动驾驶·ros·具身智能·环境感知