A Tutorial on Diffusion Theory: From Differential Equations to Diffusion Models
扩散理论教程：从微分方程到扩散模型
🧭 扩散模型理论统一框架
INSAIT · Sofia University "St. Kliment Ohridski"
用微分方程统一推导扩散模型的前向/反向过程，阐明训练目标与采样方法的关系
📌 工作参考价值（4 点）
- 理解DDPM与DDIM的采样本质（反向SDE vs 反向ODE），在生成式推荐中可根据速度与质量需求选择合适的采样器。
- 分类器指导和无分类器指导的推导可用于条件生成（如基于用户属性的商品图片生成），直接提升生成内容的相关性。
- DPM-Solver等快速采样方法可加速扩散模型的推理，降低线上延迟。
- 训练目标的等价性（噪声预测=分数匹配）允许灵活选择损失函数，简化实现。