从另一种简单的形式理解扩散模型原理和代码实践

正文

我们先来看一个简单的case。

有一组坐落在x轴的点集，最小和最大的数值为-4和4。我用浅绿色将这些点标记，记作$X_0$

$$X_0\in \{(-4,0),(-3,0),(-2,0),(-1,0),(0,0),(1,0),(2,0),(3,0),(4,0)\}$$
很明显，$X_0$分布的特点是9个点都坐落在X轴上，并且有大小范围约束。
那么，如果我们想将$X_0$代表的线段分布变成半圆线段，该如何做呢？
用$X_1$记作半圆线段对应的分布，学过高中数学的同学会想到圆形公式：
$$\begin{gathered} x_0^2+x_1^2=4^2 \\ {x}_1=\sqrt{4^2-x_0^2} \end{gathered}$$
这里我们只考虑正半轴的情况。因此，定义$f(x)=\sqrt{4^2-x^2}$ 是将分布$X_0$转为$X_1$的精准映射函数

用红色的点集表示分布$X_1$。

然而现实问题会更加复杂，我们往往找不到一个精准映射的函数，更多的问题是已知$X_0$和$X_1$，需要找到$f$。因此考虑一种复杂的情况，已知X和Y，但不知道$f$，如何让X分布映射到Y上。
有的同学可能想到了，我们可以设计一条轨迹，或者叫路径，让$X_0$逐渐往$X_1$上迁移，这个轨迹可能有很多步，我们假设第0步为0，最后一步为1。0-1之间的任意步骤都是轨迹上的中间态$X_t$。
那我们可以设计一个最简单的路径，路径上的中间态$X_t$为
$$X_t=(1-t)\times X_0+t\times X_{}$$