符号约定（全程统一，和论文一致）
- x0x_0x0：干净真实样本（原图 / latent）
- xtx_txt：第 ttt 步的带噪样本
- t∈{1,2,...,T}t\in\{1,2,...,T\}t∈{1,2,...,T}，原版 DDPM：KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲T=1000\)
- βt∈(0,1)\beta_t \in(0,1)βt∈(0,1)：噪声调度系数，提前固定（线性调度等）
- αt=1−βt\alpha_t = 1-\beta_tαt=1−βt
- αˉt=∏i=1tαi\bar\alpha_t = \prod_{i=1}^t \alpha_iαˉt=∏i=1tαi 前 t 个 α 的累乘
- ϵ\epsilonϵ：标准高斯噪声，ϵ∼N(0,I)\epsilon \sim \mathcal{N}(0,I)ϵ∼N(0,I)
- ϵθ(xt,t)\epsilon_\theta(x_t,t)ϵθ(xt,t)：网络（UNet/DiT）预测的噪声
条件扩散（带提示词）：增加条件 ccc，网络变成 ϵθ(xt,t,c)\epsilon_\theta(x_t,t,c)ϵθ(xt,t,c)，训练/推理逻辑框架不变。
DDPM 分为两大块：前向扩散过程（训练用，马尔可夫链，逐步加噪） + 反向去噪过程（推理生成，马尔可夫链，逐步去噪）
一、前向扩散（Forward Process）：只在训练时使用
目标：从干净图 x0x_0x0，一步步加高斯噪声，最后 xTx_TxT 近似纯高斯噪声。
马尔可夫假设：xtx_txt 的分布只依赖上一步 xt−1x_{t-1}xt−1
q(xt∣xt−1)=N(xt; αt xt−1, βtI) q(x_t \mid x_{t-1}) = \mathcal{N}\big(x_t;\; \sqrt{\alpha_t}\,x_{t-1},\; \beta_t I\big) q(xt∣xt−1)=N(xt;αt xt−1,βtI)
也就是：
xt=αt xt−1+βt ϵt x_t = \sqrt{\alpha_t}\,x_{t-1} + \sqrt{\beta_t}\,\epsilon_t xt=αt xt−1+βt ϵt
👉 重要闭式推导（DDPM核心简化，不用循环迭代加噪）：
可以证明：不需要一步步算 x1,x2...x_1,x_2...x1,x2...，直接由 x0x_0x0 一步算出任意 ttt 的 xtx_txt
xt=αˉt x0+1−αˉt ϵ,ϵ∼N(0,I) \boldsymbol{x_t = \sqrt{\bar\alpha_t}\,x_0 + \sqrt{1-\bar\alpha_t}\,\epsilon},\quad \epsilon\sim \mathcal{N}(0,I) xt=αˉt x0+1−αˉt ϵ,ϵ∼N(0,I)
这个就是你之前一直在看的公式！
特性：
- ttt 很小：αˉt≈1\bar\alpha_t\approx1αˉt≈1，xtx_txt 接近原图，噪声很少
- ttt 很大：αˉt≈0\bar\alpha_t\approx0αˉt≈0，xt≈ϵx_t \approx \epsilonxt≈ϵ，几乎是纯噪声
前向过程是确定性调度 + 随机噪声；前向没有网络，不需要训练，只是用来构造训练数据。
二、训练流程 & 损失函数（核心）
我们的网络 ϵθ\epsilon_\thetaϵθ 学习目标：输入带噪图 xtx_txt、时间步 ttt，预测当时混入的噪声 ϵ\epsilonϵ。
训练单步完整流程
- 从数据集取干净样本 x0x_0x0
- 随机采样一个时间步：t∼Uniform({1,2,...,T})t \sim \text{Uniform}(\{1,2,...,T\})t∼Uniform({1,2,...,T})
- 采样高斯真值噪声：ϵ∼N(0,I)\epsilon \sim \mathcal{N}(0,I)ϵ∼N(0,I)
- 用闭式公式算出带噪样本：
xt=αˉt x0+1−αˉt ϵ x_t = \sqrt{\bar\alpha_t}\,x_0 + \sqrt{1-\bar\alpha_t}\,\epsilon xt=αˉt x0+1−αˉt ϵ - 送入网络：无条件 ϵθ(xt,t)\epsilon_\theta(x_t,t)ϵθ(xt,t)；条件版（提示词）ϵθ(xt,t,c)\boldsymbol{\epsilon_\theta(x_t,t,c)}ϵθ(xt,t,c)
- ccc：文本编码器输出的条件向量（CLIP / Qwen-VL）
- 计算损失（简化版MSE损失，DDPM主损失）
Lsimple=Et,x0,ϵ∥ϵ−ϵθ(xt,t,c)∥2 \mathcal{L}{\text{simple}} = \mathbb{E}{t,x_0,\epsilon}\Big\\big\\\|\\epsilon - \\epsilon_\\theta(x_t,t,c)\\big\\\|\^2\\Big Lsimple=Et,x0,ϵ ϵ−ϵθ(xt,t,c) 2 - 梯度反向传播，更新网络权重；冻结文本编码器时，ccc 分支不更新。
✅ 关键点回顾：
训练时 ϵ\epsilonϵ 是我们自己生成的真值，不是从 xtx_txt 反推出来的；网络只看见 xt,t,cx_t,t,cxt,t,c，猜这个 ϵ\epsilonϵ。
原版论文还有更复杂的VLB变分下界损失，工程上大家几乎都只用上面这个简化MSE损失。
三、反向去噪过程（Reverse Process，推理生成）
目标：从纯噪声 xTx_TxT 出发，一步步还原 xT→xT−1→...→x0x_{T}\to x_{T-1}\to ... \to x_0xT→xT−1→...→x0
反向也是马尔可夫链：p(xt−1∣xt)p(x_{t-1}\mid x_t)p(xt−1∣xt)
理论上反向转移分布：
p(xt−1∣xt)=N(xt−1; μθ(xt,t), Σθ(xt,t)) p(x_{t-1}\mid x_t) = \mathcal{N}\big(x_{t-1};\; \mu_\theta(x_t,t),\; \Sigma_\theta(x_t,t)\big) p(xt−1∣xt)=N(xt−1;μθ(xt,t),Σθ(xt,t))
DDPM 把方差固定为 σt2I\sigma_t^2 Iσt2I（不学习方差，只学习均值）
σt2=1−αˉt−11−αˉtβt \sigma_t^2 = \frac{1-\bar\alpha_{t-1}}{1-\bar\alpha_t}\beta_t σt2=1−αˉt1−αˉt−1βt
均值 μθ\mu_\thetaμθ 用网络预测噪声表达：
μθ(xt,t)=1αt(xt−βt1−αˉtϵθ(xt,t,c)) \boldsymbol{\mu_\theta(x_t,t) = \frac{1}{\sqrt{\alpha_t}}\left( x_t - \frac{\beta_t}{\sqrt{1-\bar\alpha_t}}\epsilon_\theta(x_t,t,c) \right)} μθ(xt,t)=αt 1(xt−1−αˉt βtϵθ(xt,t,c))
反向单步采样公式（DDPM原版）
xt−1=μθ(xt,t)+σt⋅z \boldsymbol{x_{t-1} = \mu_\theta(x_t,t) + \sigma_t \cdot z} xt−1=μθ(xt,t)+σt⋅z
KaTeX parse error: Can't use function '\(' in math mode at position 48: ...z=0 \text{ 当 } \̲(̲t=1\)
- KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲t>1\)：加上随机噪声 zzz，保证采样随机性
- KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲t=1\)：最后一步，不再加噪声，直接得到 x0x_0x0
这就是DDPM推理每一步的迭代公式！
循环：从 KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲t=T\) 降到 KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲t=1\)，每一步输入 xt,t,cx_t,t,cxt,t,c，预测噪声 ϵθ\epsilon_\thetaϵθ，算出 xt−1x_{t-1}xt−1。
推理时已知变量清单
- 固定调度表：βt,αt,αˉt,σt\beta_t,\alpha_t,\bar\alpha_t,\sigma_tβt,αt,αˉt,σt（训练前就定好，推理不变）
- 用户提示词编码得到固定条件 ccc（全程所有t共用同一个c）
- 初始 xTx_TxT：推理开始时手动采样的纯高斯噪声
- 网络权重 θ\thetaθ（训练完成后固定）
latent扩散补充（SD/Qwen/Flux/Wan都是latent扩散）
DDPM本身可以在像素空间跑；
latent扩散：
- 训练、推理的整套前向/反向全部在VAE压缩后的隐空间执行
- 反向迭代得到 x0x_0x0（latent）之后，额外一步 VAE Decoder
image=VAE_decode(x0) \text{image} = \text{VAE\_decode}(x_0) image=VAE_decode(x0)
x0x_0x0 本身不是图片！
四、CFG 分类器自由引导（条件扩散推理增强，训练不用！）
SD、ComfyUI里的CFG scale，只在推理阶段使用，训练不存在
同时预测两个噪声：
- 带条件：ϵθ(xt,t,c)\epsilon_\theta(x_t,t,c)ϵθ(xt,t,c)
- 空条件（空提示）：ϵθ(xt,t,∅)\epsilon_\theta(x_t,t,\emptyset)ϵθ(xt,t,∅)
融合后的噪声：
KaTeX parse error: Can't use function '\(' in math mode at position 2: \̲(̲\epsilon_{\text...
然后把这个 ϵcfg\epsilon_{\text{cfg}}ϵcfg 代入上面的均值公式，替代原来的 ϵθ\epsilon_\thetaϵθ。
cfg_scale=1：等价不做引导；越大越贴合提示词。
五、完整时序串讲（一句话流水线）
训练阶段
取原图 x0x_0x0 → 随机选t → 采样噪声ϵ\epsilonϵ → 闭式算出带噪图xtx_txt → 提示词编码得到ccc → 网络输入(xt,t,c)(x_t,t,c)(xt,t,c)输出预测噪声ϵθ\epsilon_\thetaϵθ → MSE(ϵ,ϵθ\epsilon,\epsilon_\thetaϵ,ϵθ) → 更新网络。
推理阶段
提示词编码得到固定条件ccc → 随机采样初始纯噪声xTx_TxT → 循环t从T到1：
输入(xt,t,c)(x_t,t,c)(xt,t,c)预测噪声 → 代入反向公式算出xt−1x_{t-1}xt−1 → 循环直到得到x0x_0x0（latent）→ VAE解码得到图片。
六、容易混淆的衍生采样器一句话区分（基于DDPM底座）
- DDPM：反向每一步都加噪声，随机采样，慢，(T=1000)
- DDIM：修改反向公式，去掉随机z，确定性采样，可以大步跳，步数变少
- DPM++ / Euler / Karras（ComfyUI K采样器）：重新设计调度与反向更新规则，收敛更快，是现在主流
所有这些采样器，训练阶段完全一样，都是用DDPM的前向+MSE噪声损失训练，只是推理时的迭代方程不同。
七、极简公式速查表（方便复制）
- αt=1−βt\alpha_t = 1-\beta_tαt=1−βt
- αˉt=∏i=1tαi\bar\alpha_t = \prod_{i=1}^t \alpha_iαˉt=∏i=1tαi
- 前向闭式：xt=αˉtx0+1−αˉtϵx_t = \sqrt{\bar\alpha_t}x_0 + \sqrt{1-\bar\alpha_t}\epsilonxt=αˉt x0+1−αˉt ϵ
- 训练损失：L=E∥ϵ−ϵθ(xt,t,c)∥2\mathcal{L} = \mathbb{E}\big\\\|\\epsilon - \\epsilon_\\theta(x_t,t,c)\\\|\^2\\bigL=E∥ϵ−ϵθ(xt,t,c)∥2
- 反向均值：μθ=1αt(xt−βt1−αˉtϵθ)\mu_\theta = \frac{1}{\sqrt{\alpha_t}}\left( x_t - \frac{\beta_t}{\sqrt{1-\bar\alpha_t}}\epsilon_\theta \right)μθ=αt 1(xt−1−αˉt βtϵθ)
- 反向采样：KaTeX parse error: Can't use function '\(' in math mode at position 67: ...al{N}(0,I),z=0(\̲(̲t=1\))