（3-5）文生图模型架构：扩散模型

3.5  扩散模型

扩散模型（Diffusion Models）是一类用于生成图像的深度学习模型，近年来在图像生成任务中取得了显著的进展。扩散模型的基本思想是通过逐步添加噪声到数据中，然后学习从噪声中恢复原始数据的过程。

3.5.1  扩散模型的基本概念

扩散模型是一种基于随机过程的生成模型，通过逐步添加和去除噪声，实现从随机噪声到高质量数据的转化，其独特的训练和生成机制使其在图像生成领域表现出色。

1. 扩散过程

扩散模型通过逐步向数据（如图像）添加噪声，并学习如何从这些噪声中恢复出原始数据。这个过程分为两个阶段：

1. 正向扩散：在这个阶段，模型从真实数据开始，逐步添加噪声。这个过程可以看作是一种随机过程，随着时间的推移，数据变得越来越模糊，最终趋近于纯噪声。
2. 反