去噪扩散模型是计算机视觉中的一个新兴课题,在生成建模领域显示了显著的结果。扩散模型是基于正向扩散和反向扩散两个阶段的深度生成模型。在正向扩散阶段,通过加入高斯噪声对输入数据进行逐级扰动。在反向阶段,模型的任务是通过学习逐步逆转扩散过程来恢复原始输入数据。扩散模型因其生成样本的质量和多样性而受到广泛赞赏,尽管其已知的计算负担,即采样过程中涉及的大量步骤导致速度较低。本文对应用于视觉的去噪扩散模型的文章进行了全面的回顾,包括该领域的理论和实践贡献。首先,我们确定并提出了三种通用的扩散建模框架,它们是基于去噪扩散概率模型、噪声条件评分网络和随机微分方程。我们进一步讨论了扩散模型和其他深层生成模型之间的关系,包括变分自编码器、生成对抗网络、基于能量的模型、自回归模型和归一化流。然后,我们介绍了一种多视角分类扩散模型在计算机视觉中的应用。最后,我们说明了扩散模型目前的局限性,并展望了一些有趣的未来研究方向。
https://www.zhuanzhi.ai/paper/3b8069429047d95eed52a50e7b1fdece
导论
扩散模型[1]-[11]构成了深度生成模型的一个类别,它最近成为计算机视觉中最热门的话题之一(见图1),展示了令人印象深刻的生成能力,从高水平的细节到生成示例的多样性。我们甚至可以说,这些生成模型将生成建模领域的标准提高到一个新的水平,特别是涉及到模型,如Imagen[12]和潜在扩散模型(LDM)[10