[论文笔记] stable diffusion——2、公式

一、DDPM基本介绍

如下图所示，DDPM模型主要分为两个过程：加噪过程（从右往左）和去噪过程（从左往右）。

★ 加噪过程：给定真实图像 x0，逐步对它添加高斯噪声，得到 x1, x2, ⋯ ，显然这是一个马尔科夫链过程，在进行了足够多的 T 次加噪后，图像会被高斯噪声淹没，可以认为是各向独立的高斯噪声的图像。

★ 去噪过程：针对噪声图像 xt，让神经网络模型对其逐步去噪，得到x(t−1), x(t-2), ⋯ ，最终复原出没有噪声的逼真图像 x0 ，所以 加噪过程其实可以看作是在为去噪过程构建标签。

二、公式推导

2.1 前向过程

噪声：服从高斯分布。

噪声系数：噪声系数越来越大，代表加噪声幅度越来越大。