什么是扩散模型(Diffusion Models)？

1. 到目前为止，有3种类型的生成模型，即GAN、VAE和基于Flow的模型。它们在生成高质量样本方面获得了巨大的成功，但每一种都有其自身的一些局限性。例如，GAN模型由于其对抗性训练的性质，以潜在的不稳定的训练和较少的生成多样性而闻名。VAE依赖于代用损失。基于Flow的模型必须使用专门的架构来构建可逆变换。

GAN要训练两个网络（生成器和判别器），难度较大，容易不收敛，而且多样性比较差，只要能骗过判别器就行；而Diffusion model用一种更为简单的方法来诠释生成模型该如何学习以及生成，更为简单.

Diffusion Models（扩散模型）是一类新兴的生成模型，相对于GAN（生成对抗网络），具有以下一些优势：

1. 易于训练和调节：GAN的训练过程相对困难，需要同时训练一个生成器和一个判别器，并且需要小心平衡二者的权衡。而扩散模型则采用自回归过程进行训练，具有更加直观和简单的训练流程，也更加易于调节。