为什么 Diffusion 不会出现均值回归？

发表于2026-08-26|更新于2026-08-30

|浏览量:

这是一篇测试文章。

Introduction

这里是正文。

文章作者: YukinoLeo

文章链接: https://yukinoleo.github.io/2026/08/25/Diffusion-Mean-Regression/

版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 YukinoLeo's Blog！

Diffusion Generative AI

相关推荐

DDPM 模型基础与数学推导

DDPM 模型基础与数学推导 Denoising Diffusion Probabilistic Models（DDPM）由 Ho 等人在 2020 年提出，是扩散生成模型的开山之作，也是 score-based model、Latent Diffusion（Stable Diffusion）、flow matching 等一系列后续工作的基础。这篇文章从思想出发，把前向加噪过程和训练 Loss 的数学推导完整走一遍。 1. 核心思想DDPM 把「生成一张图片」建模成逐步去噪的过程，由两个相反的过程组成：前向过程（扩散 / 加噪）：对真实数据 x0x_0x0 逐步叠加高斯噪声，经过 TTT 步后变成几乎纯噪声 xTx_TxT。这个过程是简单且封闭可解的——任意时刻的 xtx_txt 可以直接由 x0x_0x0 一个公式算出，不需要逐步模拟。逆向过程（去噪 / 生成）：训练一个神经网络 pθp_\thetapθ，学习把噪声逐步还原成数据。生成样本时，从纯噪声 xT∼N(0,I)x_T \sim \mathcal{N}(0, I)xT∼N...