DDIM: DENOISING DIFFUSION IMPLICIT MODELS

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