ddpm到stable diffusion

### DDPM到Stable Diffusion的发展历程

扩散概率模型（Diffusion Probabilistic Models, DPMs），特别是去噪扩散概率模型（Denoising Diffusion Probabilistic Models, DDPMs），通过逐步向数据中添加噪声并学习逆转这一过程来生成图像。这种方法最初由Sohl-Dickstein等人提出，其核心在于定义了一个前向过程，在该过程中逐渐增加噪声直到原始信号被完全淹没；以及一个反向过程，旨在从未知分布的纯噪声中恢复出清晰的数据样本[^1]。

随着研究深入和技术进步，出现了更高效的变体——稳定扩散（Stable Diffusion）。相比传统的DDPM，后者引入了一些改进措施以提高训练效率和生成质量：

- **简化网络架构**：采用U-Net作为基础框架，这种设计不仅能够有效捕捉多尺度特征，而且有助于加速收敛速度。

- **优化损失函数**：利用预估误差代替直接预测像素值的方式计算梯度更新方向，从而使得整个系统的稳定性得到增强。

- **参数共享机制**：允许不同时间步之间的权重共享，减少了内存占用的同时也促进了跨阶段的信息传递。

这些变化共同作用下实现了从DDPM至Stable Diffusion的成功转型，并推动了文本驱动图像合成领域取得显著进展。

import torch.nn as nn

class UNet(nn.Module):
    def __init__(self, in_channels=3, out_channels=3):
        super(UNet, self).__init__()
        
        # 定义编码器部分
        self.encoder = nn.Sequential(
            nn.Conv2d(in_channels, 64, kernel_size=3),
            nn.ReLU(inplace=True),
            ...
        )
    
        # 定义解码器部分
        self.decoder = nn.Sequential(
            ...,
            nn.ConvTranspose2d(64, out_channels, kernel_size=3),
            nn.Sigmoid()
        )

    def forward(self, x):
        encoded_features = self.encoder(x)
        output = self.decoder(encoded_features)
        return output