Charles's Castle

这篇回答的问题。 如何理解“噪声日程与参数化”背后的核心机制、适用边界和下一步阅读路径。 扩散训练看起来只是“给图加噪，再让模型预测噪声”。真正影响模型性格的，是两件更细的事：噪声日程决定训练样本会落在哪些难度区间，参数化决定模型用什么坐标回答这个去噪问题。它们会直接影响采样器、CFG、少步生成、视频一致性和世界模型里

训练阶段，扩散模型学会在不同噪声水平下判断“当前样本应该往哪里移动”。推理阶段，我们从噪声 $x T$ 出发，把这个方向连续兑现成图像、视频或动作序列。采样器要解决的不是“怎么把噪声擦掉”这么简单，而是在有限模型调用次数里，尽量沿着正确轨迹从高噪声分布走回数据分布。 这页只抓住一条主线： 模型给方向，采样器决定怎样走这

扩散模型的条件控制，常被一句“调 prompt 和 CFG scale”带过。真正做系统时，这句话太粗：prompt、边缘图、姿态、mask、参考图和首帧，首先要被模型在每一步去噪时读到；而 guidance 只是在采样时，把“有条件”和“基准方向”的差额放大。前者是条件怎么进入模型，后者是采样轨迹怎么被拉扯。 把这两

这页把扩散模型的发展放在一条连续主线上看： DDPM 解决如何稳定训练高质量生成模型， DDIM / ODE solver 解决如何更快采样， Consistency / LCM / DMD / Rectified Flow 继续追问能否把几十步甚至几百步压到几步或一步。 统一记号 后文统一使用这组记号： $$ x t

扩散采样慢，不只是因为循环次数多。多步采样的每一步都在做小修正：先定大结构，再补关系、材质、边缘和高频纹理。把 30 步、50 步压到 4 步甚至 1 步，等于要求学生模型一次跨过教师原来很多个噪声区间。 这篇只回答一个问题： 当采样器不再有几十次纠错机会时，少步模型怎样仍然保住分布、细节、多样性和条件控制？ 少步生成

少步生成经常被讲成“把 50 步变成 4 步、1 步”。这个说法太粗。真正要分清的是：模型到底在学什么对象。 这篇只回答一个问题： Consistency / LCM 和 Rectified Flow / Flow Matching 都能服务少步生成，但它们为什么不是同一种方法？ 一个更好的抓手是：一致性模型学的是“同

扩散方法对照最容易写成方法名大表：DDPM、DDIM、Euler、Heun、DPM-Solver++、Consistency、LCM、DMD、Rectified Flow 都排在一起，最后用“步数更少”做结论。这个读法很危险，因为这些方法改的不是同一个部件。 更实用的问法是：你能不能重训；想省的是在线网络评估次数、离线

post by Charles in 2024-09-29 00:11:30

post by Charles in 2024-09-29 00:09:32

post by Charles in 2024-09-29 00:04:43