一、理论知识

DDPM分为两个部分，设计两个不同的概率分布

1、前向过程（扩散）：这一过程可以用条件概率 q(xt​∣xt−1​) 来描述DDPM之前向扩散-CSDN博客

2、反向过程（去噪）：这一过程可以用条件概率 p(xt−1​∣xt​) 来描述DDPM之反向传播-CSDN博客

其中：

前向过程中的 q(xt​∣xt−1​) 是固定的高斯分布，每一步都增加预定的噪声。 

反向过程中的 p(xt−1​∣xt​) 是由模型学习的高斯分布，目标是去除噪声并逐步恢复出原始数据。

二、算法

三、解释

训练过程：

采样过程：http://t.csdnimg.cn/lOMYU?spm=1011.2480.3001.8118