Diffusion Model 最近很火，谁谈谈？技术层面，哲学层面？

[ccmath]

这个东西感觉和深度学习里的很多东西一样，不能光看论文里面的公式，很多时候需要trick. 很多时候论文里的图片是千挑万选的。

Diffusion model里面用网络学习 P(好点的图像|噪音大的图像) 就是个黑箱。训练出来的东西用来生成图像，收不收敛，跑多久才收敛，都说不清楚。

我也没做过diffusion model，只是大概看了一下。
机器学习的目标常常是让训练数据的likelihood最大化，也就是训练数据里每个输入到输出的平均概率是最大的。再加上各种约束条件让模型更光滑什么的。

这个diffusion model先让原始图像经过一系列噪音处理，最后得到体无完肤的噪音；然后训练模型（泛函）使得从噪音到原始图像的likelihood最大化。
训练模型的过程就是把每一步条件概率 P(好点的图像|噪音大的图像) 表达成高斯函数（高维度，每个像素就是一个变量)，训练高斯函数的参数(miu, sigma)让它在第t步的时候，跟加噪音的高斯q(加噪音第t步图像|原始图像）的KL divergence最小化

[princeton]

这是死马做活马医