Diffusion Model相关论文解析之(二)DENOISING DIFFUSION IMPLICIT MODELS

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，