扩散模型（Diffusion Model）原理概述

一、核心思想

  扩散模型（Diffusion Model）是一种生成模型，受热力学中扩散过程的启发，通过模拟数据从噪声中逐步去噪的过程来生成样本。其核心思想是渐进式地添加噪声（正向过程）和逐步去噪（反向过程）。
  在正向过程中，逐步向数据中添加高斯噪声，最终将数据转化为纯噪声；在反向过程中，学习如何从噪声中逐步去噪，恢复出原始数据分布。
二、前向扩散过程（Forward Diffusion）

  目标：将真实数据逐步“破坏”为随机噪声。
  过程：对原始数据（如图像）进行 T 步微小的高斯噪声添加，每一步都让数据更接近纯噪声。
  数学上，第t 步的状态\(x_t\)由第 t-1 步的状态\(x_{t-1}\)和噪声\(\epsilon\)（服从标准正态分布）生成：

\[x_t=\sqrt{\alpha_t}\cdot x_{t-1}+\sqrt{1-\alpha_t}\cdot \epsilon\]

    其中，\(\alpha_t\)是控制噪声强度的参数（\(0