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。