gengmeng_的博客

我们向原始图像x0中逐步添加高斯噪声，噪声的标准差是固定值βt来确定的，均值是固定值βt 和和t−1时刻的数据xt−1确定的。模型中蕴含一个噪声预测器（UNet），它会根据当前的输入预测出噪声，然后，将当前图片减去预测出来的噪声，就可以得到去噪后的图片。生成模型的本质是通过一个已知的概率模型来拟合所给的数据样本，也就是说，我们往往需要通过模型得到一个带参数的分布。当DDPM训练好之后，对于训练好的模型，我们从最后一个时刻（T）开始，传入一个纯噪声（或者是一张加了噪声的图片），逐步去噪。

建立项目结构

参考博客链接如下：https://blog.youkuaiyun.com/weixin_38346042/article/details/121633697https://blog.youkuaiyun.com/weixin_45377629/article/details/124006451https://zhuanlan.zhihu.com/p/618066889对抗式过程的最终目标是尽可能逼真地模拟数据集的分布。例如，当提供一个汽车图像的数据集Xreal时，GAN的目标是生成可信的汽车图像Xfake。GAN中的Gene