DDPM

去噪扩散概率模型 (DDPM) 由 Jonathan Ho、Ajay Jain 和 Pieter Abbeel 提出，并以其命名。在 🤗 Diffusers 库中，DDPM 指的是论文中的 离散去噪调度器 以及管道。

论文摘要如下：

我们使用扩散概率模型展示了高质量的图像合成结果，这是一种受非平衡热力学考虑启发的潜在变量模型。我们最好的结果是通过在根据扩散概率模型与 Langevin 动力学去噪分数匹配之间的新连接设计的加权变分界限上进行训练而获得的，并且我们的模型自然地允许一种渐进的损耗压缩方案，可以解释为自回归解码的泛化。在无条件 CIFAR10 数据集上，我们获得了 9.46 的 Inception 分数和 3.17 的最先进 FID 分数。在 256x256 LSUN 上，我们获得了与 ProgressiveGAN 相似的样本质量。