- 由浅入深了解Diffusion Model - 知乎
搞清楚diffusion的逆向过程之后，我们算是搞清楚diffusion的推断过程了。 但是如何训练diffusion model以得到靠谱的 \mu_\theta (x_t,t) 和 \Sigma_\theta (x_t,t) 呢？
- 详解Diffusion扩散模型：理论、架构与实现 - techlead_krischang - 博客园
本文深入探讨了Diffusion扩散模型的概念、架构设计与算法实现，详细解析了模型的前向与逆向过程、编码器与解码器的设计、网络结构与训练过程，结合PyTorch代码示例，提供全面的技术指导。
- Diffusion - Wikipedia
The concept of diffusion is widely used in many fields, including physics (particle diffusion), chemistry, biology, sociology, economics, statistics, data science, and finance (diffusion of people, ideas, data and price values)
- 【diffusion】扩散模型详解！理论＋代码-CSDN博客
通过推导出损失函数，讲解了diffusion模型的背景和训练过程。 diffusion模型作为新一代生成模型，训练稳定且调参相对简单。
- 扩散模型 (Diffusion Model)详解：直观理解、数学原理、PyTorch 实现 | 周弈帆的博客
其实，扩散模型 (Diffusion Model)正是Stable Diffusion中负责生成图像的模型。 想要理解Stable Diffusion的原理，就一定绕不过扩散模型的学习。
- [2511. 18822] DiP: Taming Diffusion Models in Pixel Space
Diffusion models face a fundamental trade-off between generation quality and computational efficiency Latent Diffusion Models (LDMs) offer an efficient solution but suffer from potential information loss and non-end-to-end training In contrast, existing pixel space models bypass VAEs but are computationally prohibitive for high-resolution synthesis To resolve this dilemma, we propose DiP
- 【深度学习】扩散模型（Diffusion Models）基础理论 - 知乎
学习计划 本篇为【AIGC深入与应用】- 扩散模型（Diffusion Models）篇 学习目标 - 理解扩散过程（前向加噪 + 反向去噪） - 掌握 DDPM（Denoising Diffusion Probabilistic Models）框架 - 对比 GAN VAE Diffusion 的优劣 - 了解Diffusion Models在其他任务领域的用途（如预测任务） 必读论文 <br >Denoising Diffusion Probabilistic Models
- 10分钟读懂Diffusion：图解Diffusion扩散模型-腾讯云开发者社区-腾讯云
本文介绍Diffusion Model原理，包括文字生成图片的整体结构，如CLIP模型生成文字embedding、UNet网络使用文字embedding等；还阐述扩散模型的训练过程，含前向与反向扩散过程，以及相关补充内容。
|