02 扩散模型核心原理

第 2 章 · 扩散模型核心原理

本章要回答的三个问题：把一张图慢慢加水泡到时变成一滩噪声、再从噪声里捞回原图，这条路凭什么能搞定？要训练一个能"擦净噪点"的网络，损失函数到底在算什么？为什么同一套模型，换个采样器就能快几十倍？

为什么会有这一章

第一章把扩散摆上了主力的位置，但那只是看清了它"稳、质量高、可控"。这一章要把这些形容词翻译成具体的动作：前向过程怎么一步步加噪、逆向后过程怎么一步步去噪、神经网络在这个过程里到底学会了什么、训练时那个被反复优化的目标究竟长什么样、以及采样时如何少走几步还不损质量。你接下来所有对 Stable Diffusion、ControlNet、LoRA 的理解，最后都要落到这一个章节。所以这里的每一节都不是孤立知识点，而是一条装配线上的逐个工位——从"为什么"到"怎么做"再到"怎么快"。

本章的话题组织有意和"画室冲印"对齐：加噪是把画稿往泼墨里泡，去噪是同一套纸反过来冲洗，蒸馏与步数压缩则是用更少盆水冲洗出同等清晰的效果。

整个章节的骨架一句话就能立起来：先在纸上泼墨（前向加噪），再教一支笔反过来把墨点一点点擦掉（反向去噪），最后学会用更少的清水冲净（采样加速）。下图把这条装配线画成一眼可见的流程：

读完能解决什么

对照开篇的三个问题：

• 你能把前向扩散写成递推式，说清噪声调度参数的作用，并讲明白"马尔可夫"在这里意味着什么。
• 你能解释逆向后过程为何要靠一个神经网络去近似，以及 U-Net 为何在"去噪"上这么合身。
• 你能写出 DDPM 简化后的预测噪声损失，说清 ELBO 怎么被拆成可算的白色项。
• 你会比较 DDPM、DDIM、DPM-Solver 这几类采样器，知道步数与质量的代价交换在哪。
• 你会在"条件生成"里搞懂类别标签、文本嵌入、图像条件分别是怎么插进去噪网络的。

各节怎么分工

先决条件

• 承接第一章的"分布采样"直觉，以及一次链式求导不慌的心态。
• 会用少量概率记号读递推式，不理解每个希腊字母的严格定义也跟得动主线。
• 知道 Neural Network 有一个"输入到输出"的黑盒。

往下走到哪

这一章建立的能力会被第三章拿去造变体（LDM、一致性模型），被第四章拿去接真实应用，被第六章拿去挂 ControlNet。它是全册密度最高的章节，也是后面所有可读性的来源；读透它，后面全是顺水推舟。

这章要你把"按下快门"变成"看穿原理"

很多人在前两章都能跟着走，但到第二章曾劝退——因为它终于开始动真格的公式与参数。这里提前给你打个预防针：第二章里的记号再复杂，都只是在描述一个非常朴素的"加噪→去噪→优化"循环。每当你被某条递推式挡住，就退一步问自己一句话："这一步是在加噪声、擦噪声、还是在算擦得好不好？"能把每个公式归到这三件事之一，你就不会迷路。这也是本章真正想培养你的地方：不是能默写公式，而是能对着任何一段关于扩散的讲解，迅速看懂它落在装配线哪道工序上。