DiffusionModel

Denoising Diffusion Probabilistic Models (DDPM)https://arxiv.org/abs/2006.11239

Reverse Process
输入：图片 + step N （表示 Noise 严重程度，step1表示图片Noise程度低，还差一步就是成品图了）
输出：去除噪声的图片

将同一个Denoise反复使用很多次

The sculpture is already complete within the marble block, before I start my work. It is already there, I just have to chisel away the superfluous material. - Michelangelo

Denoise 里实际是一个 Noise Predicter，生成一个杂讯图，然后用输入的图片减去该杂讯图，达到 denoise 的效果。
为什么不直接训练一个 end-to-end 的模型，直接得到一个 denoise 的结果？的确可以这样做，但是，生成一张成品图和生成一张杂讯图，难度是不一样的。

又叫做：Diffusion Process

训练资料的生成方法：

资料来源：

在上述的训练中添加`文本`这个输入


我偶然看到这门课程，可以结合着看：

https://www.deeplearning.ai/short-courses/how-diffusion-models-work/