本文介绍了深度分布拟合模型(DDPM)的理论基础，包括其前向过程（扩散，固定高斯分布）和反向过程（去噪，学习高斯分布）。重点阐述了训练过程及采样步骤。
一、理论知识
DDPM分为两个部分，设计两个不同的概率分布
1、前向过程（扩散）：这一过程可以用条件概率 q(xt∣xt−1) 来描述DDPM之前向扩散-优快云博客
2、反向过程（去噪）：这一过程可以用条件概率 p(xt−1∣xt) 来描述DDPM之反向传播-优快云博客
其中：
前向过程中的 q(xt∣xt−1) 是固定的高斯分布，每一步都增加预定的噪声。
反向过程中的 p(xt−1∣xt) 是由模型学习的高斯分布，目标是去除噪声并逐步恢复出原始数据。
二、算法
三、解释
训练过程：
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
