扩散模型

在机器学习中，扩散模型，也被称为扩散概率模型，是一类潜变量模型。这些模型是使用变异推理训练的马尔科夫链。

扩散模型的目标是通过对数据点在潜在空间中扩散的方式进行建模来学习数据集的潜在结构。在计算机视觉中，这意味着一个神经网络被训练为通过学习逆转扩散过程来对高斯噪声模糊的图像进行去噪。

扩散模型是在2015年引入的，其动机来自非平衡热力学。

扩散模型可以应用于各种任务，包括图像去噪、画中画、超分辨率和图像生成。

例如，一个图像生成模型将从一个随机的噪声图像开始，然后在对自然图像进行了逆转扩散过程的训练后，该模型将能够生成新的自然图像。

2022年4月13日宣布的OpenAI的文本到图像模型DALL-E2是一个最近的例子。它将扩散模型用于模型的先验（产生给定文本标题的图像嵌入）和产生最终图像的解码器。