目录
- 1、摘要
- 2、创新点
- 3、主要公式
- 4、自己的理解,对错不确定
1、摘要
Denoising Diffusion Implicit Models (DDIM)是一种扩散模型的改进版本,旨在加速采样过程并提高采样速度。DDIM通过引入非马尔可夫扩散过程,相对于传统的去噪扩散概率模型(DDPM),能够在10到50倍的速度下生成高质量的样本。这种加速不仅提高了生成模型的实用性,还为创意表达开辟了新的可能性。
2、创新点
DDIM的核心思想在于通过一类非马尔可夫扩散过程来泛化DDPM,这些非马尔可夫过程可以对应于确定性的生成过程,从而能够更快地产生高质量样本。与DDPM相比,DDIM在保持相同训练目标的同时,允许直接在潜在空间中进行有语义意义的图像插值,并以极低的误差重建观测结果。这种改进使得DDIM在文生图和文生视频等应用中表现出色,显著提高了这些先进技术的实用性和可达性。
DDIM的提出解决了DDPM的一个主要限制,即通过模拟多步骤的马尔可夫链来生成每个样本的过程相对耗时。通过引入非马尔可夫过程,DDIM能够更高效地生成样本,同时保持样本的高质量
3、主要公式
4、自己的理解,对错不确定
为什么可以这样做?
DDIM不是马尔可夫链,把所有时间步方差=0,高斯噪声的随机性被移除了,变成了确定性的结果,
DDPM是马尔可夫链,方差每次是随机的,