Stable Diffusion

系列文章目录

第一章 Stable Diffusion
第二章 LoRa实操入门

---

---

前言

Stable Diffusion是一种新型的图像生成模型，这里主要参考自b站up主大白话AI，这是我迄今为止见过将Stable Diffusion讲的最清晰的，up是个人才，推荐大家去观看原视频。
LoRa是大模型微调的一种基础方法，广泛应用于语言大模型、视觉大模型和Clip对齐模型。

一、大白话原理介绍

1. 正向扩散

1. 高斯噪声和原图以一定的比例混合：
   

2. 扩散过程中，每一步均基于上一步得到的混合噪声的图片，且每次添加的噪声均是新的高斯噪声，BeTa t逐渐增大。
   

推导从 x_t-2 到 x_T 的推导：

** 原理：** E(cX) = cE(X), D(cX) = c²D(X)

归纳推理可得：

可以用以下方程表示：

2. 反向扩散

1. 可以用贝叶斯概率公式给出前一刻的概率，并可以根据正向传播中得到的推论来表示其概率密度分布：

2. 得到P(x_t-1|x_t,x₀)的正态分布参数，并通过正向推导中的公式替换掉X₀：
   

---

参考视频：https://www.bilibili.com/video/BV1tz4y1h7q1/?spm_id_from=333.788.recommend_more_video.4&vd_source=071a6a156f5d29dbb9701c2bdbda3878