DDPM

约 226 字小于 1 分钟

2025-02-13

Denoising Diffusion Probabilistic Models

Jonathan Ho
UC Berkeley
jonathanho@berkeley.edu

Ajay Jain
UC Berkeley
ajayj@berkeley.edu

Pieter Abbeel
UC Berkeley
pabbeel@cs.berkeley.edu

摘要

我们使用扩散概率模型提出了高质量的图像合成结果，这是一类潜在变量模型的考虑来自非平衡热力学。我们最好的结果是通过训练加权变分界设计根据新颖的连接扩散概率模型和去噪分数匹配朗之万动力学，和我们的模型自然承认一个渐进的有损减压方案，可以解释为自回归解码的泛化。在无条件的CIFAR10数据集上，我们获得了9.46分和最先进的FID得分为3.17分。在256x256 LSUN上，我们获得了类似于进展性gan的样品质量。我们的实现可以在https://github.com/hojonathanho/diffusion上找到。