【扩散模型连载 · 第 2 期】逆向扩散建模与神经网络的角色

上期回顾

我们在第 1 期中介绍了 正向扩散过程（Forward Process），并用 CIFAR-10 图像演示了加噪过程：

正向过程是固定的，无需训练，但我们感兴趣的是：如何从纯噪声一步步“还原”出真实图像？

这就引出了今天的重点：

一、逆向扩散过程（Reverse Process）

正向扩散会将图像逐步变为噪声：

我们想做的是逆过程：

这个逆向过程也被建模成一个马尔可夫链：

目标：用神经网络 θ学习出这个高斯分布的参数.

二、逆向过程的难点

相比于前向过程，逆过程存在两个挑战：

1. 真实的 p(x_t−1∣xt)无法直接获得
   因为我们没有真实的 x_t−1​ 分布，只知道正向过程中加了噪声。

2. 训练目标不好设计
   我们不能直接监督学习目标分布，只能间接构造损失。

三、DDPM 的关键设计：噪声预测损失

作者提出了一个巧妙的思路：
既然我们知道在正向过程中，x_t 是通过在 x_0上添加噪声得到的：

那么我们可以训练神经网络 ϵ_θ(x_t,t) 去预测加进去的噪声 ϵ！

四、训练损失函数

使用 L2 loss 去预测噪声：

含义：

• 随机采样一个时间步 t

• 加噪得到 x_t

• 训练网络 ϵ_θ​ 尽可能预测正确的噪声

📌 神奇之处：这个损失等价于对变分下界的优化（DDPM 论文中严格推导）