内容摘要
扩散模型·从噪声里挖出一张图 灏 灏天文库 · AI 与大模型 第 11 期 · 第二季连载 AI 与大模型 · 第 11 期 · 第二季第 3 期 扩散模型， 从噪声里挖出一张图 前向加噪 / 反向去噪 · DDPM 原理 一句话结论： 扩散模型不是"生成"，是"去噪" 。前向把图一点点加噪声直到纯噪声，反向训练一个网络学会"从噪声里减一点噪声"，重复 1000 步，图就长回来了。生成时从纯噪声开始去噪，等于从噪声里"挖"出一张图。 ⏱ 约 9 分钟 🎯 想搞懂AI画图原理的人 📦 源：ai-engineering-from-scratch §9 01 反共识：它不是生成，是去噪 GAN 是"对抗生成"，VAE 是"编码再解码"，扩散模型完全不同——它是"破坏再修复"。 前向过程（加噪）：给一张清晰图 x₀，每步加一点高斯噪声，第 t 步得到 xₜ，加到第 T 步（如 1000 步）变成纯噪声 x_T。这个过程 不需要训练 ，是固定的马尔可夫链。