论文题目：Denoising Diffusion Implicit Models (DDIM)
论文来源：ICLR 2021
论文地址：https://arxiv.org/pdf/2010.02502.pdf
论文代码：https://github.com/ermongroup/ddim
去噪扩散隐式模型
DDPM缺点：
反向过程需要一步步推理（一般大于1000步），生成样本速度慢
DDIM改进：
不再限制扩散过程为马尔可夫链，可采用更小的采样步数加速生成样本过程
随机噪音生成样本的过程是一个确定的过程（中间没有加入随机噪音）
DDIM预测噪声
根据独立高斯分布的可加性：
将上述公式展开为：
相比于DDPM，符号的变化：
DDPM和DDIM的区别：
DDIM:
将公式
中的X0带入，得到：
生成过程
求X0
总公式为：
实验
伊塔= 0 为DDIM
伊塔 = 1 为DDPM扫描二维码关注公众号，回复： 16222229 查看本文章