終於有這麼一本讀物了，幾個AI 大佬研究員一起出了一個詳細講解擴散模型原理的論文 我翻譯了一個雙語版本，連結放下面了👇 可以非常全面的理解現在影像和視訊模型的基石擴散模型，具體內容有： 第一章：概覽生成模型的定義、重要性與譜系，為統一理解奠基。 第二章（VAE 視角）：以變分推斷連接到DDPM，以潛變量與重構/去噪目標解釋訓練與採樣。 第三章（EBM/Score 觀點）：從能量模型到NCSN/Score SDE，以分數匹配和連續時間SDE 描述產生動力學。 第四章：採樣即沿時間反向求解ODE/SDE，以擴散漂移向量場逐步逼近資料分佈。 第五章（NF 視角）：從正規化流到Flow Matching，以可逆變換/流場學習統一「機率隨時間運輸」的想法。 第六章：以微積分的換元公式為統一底座，並以「條件化技巧」將難題化為回歸，實現穩定可控的訓練。 第八章：在ODE 框架重審DDIM、DPM-Solver，澄清與經典數值法的關係並解釋快速採樣原理。 第九章：系統化更優數值積分與誤差控制，加速迭代取樣同時保持保真度與穩定性。 第十章：提出一致性模型等「流映射」思路，直接學習任意時刻到任意時刻的解映射以少步生成。 第十一章：擴展一致性軌跡與Mean Flow，以學習整個軌跡（積分）實現單步或極少步高品質產生。
