扩散模型Diffusion Model

是什么

扩散模型的机制分为前向过程与反向过程。前向过程按固定调度向训练数据逐步添加高斯噪声，直到接近纯噪声。反向过程使用神经网络（常用 U-Net 或 DiT）学习每步的去噪操作。生成阶段从随机噪声出发，迭代去噪几百步（或经蒸馏缩减至少数步）生成最终内容。

为降低计算量，潜空间扩散路线先利用 VAE 将数据压缩至低维潜空间，在该空间内完成扩散过程，这是消费级硬件可行的关键。对于文生图等条件生成任务，文本条件会通过交叉注意力机制注入去噪网络，以指导生成方向。

解决什么问题

扩散模型解决了以往生成模型在训练稳定性和模式覆盖上的缺陷。相比 GAN，扩散模型无需对抗训练，过程平稳且模式覆盖全面。它凭借高质量的生成效果，替代了传统的生成范式，成为当前图像和视频生成领域的默认选择，也是生成侧算法岗位的核心基础考点。

面试怎么考

面试常考加噪去噪流程，需熟练描述前向与反向过程的机制。潜空间扩散是高频考点，需回答为什么在潜空间操作以及 VAE 的具体作用。

文本条件的注入机制也是重点，需解释交叉注意力如何引入文本特征。此外，面试官常要求对比扩散模型与 GAN 及 Flow Matching 的优缺点，重点说明在训练稳定性、采样速度和生成多样性上的差异。

又称：扩散模型 · Diffusion · DDPM · Stable Diffusion