扩散模型图像生成原理：DDPM去噪过程与DDIM采样加速

扩散模型基础：从图像生成到去噪概率模型

扩散模型（Diffusion Model）是当前图像生成领域效果最好的深度学习框架之一，在机器学习算法中占据核心地位。DDPM（Denoising Diffusion Probabilistic Models）通过前向加噪和反向去噪两个过程实现高质量图像生成，Stable Diffusion、DALL-E等AI模型部署均以该原理为基础。扩散模型的核心思想是将图像生成过程建模为马尔可夫链，通过逐步去噪从随机高斯分布恢复出清晰图像。

DDPM前向扩散过程：逐步添加高斯噪声

前向过程对原始图像x0按预定义的噪声调度（noise schedule）逐步添加高斯噪声，经过T个时间步后得到近似纯噪声的xT。每个时间步的加噪操作是一个固定的高斯变换，不涉及可学习参数。

import torch
import torch.nn.functional as F

def forward_diffusion(x_0, t, sqrt_alphas_cumprod, sqrt_one_minus_alphas_cumprod, noise=None):
    """前向扩散：给定原始图像x_0和时间步t，返回加噪后的x_t"""
    if noise is None:
        noise = torch.randn_like(x_0)
    sqrt_alpha = sqrt_alphas_cumprod[t].view(-1, 1, 1, 1)
    sqrt_one_minus = sqrt_one_minus_alphas_cumprod[t].view(-1, 1, 1, 1)
    # x_t = sqrt(alpha_bar_t) * x_0 + sqrt(1 - alpha_bar_t) * noise
    return sqrt_alpha * x_0 + sqrt_one_minus * noise, noise

噪声调度通常采用线性调度（linear schedule）或余弦调度（cosine schedule），后者在低分辨率图像上表现更优。累积乘积alpha_bar_t决定了每个时间步保留原始信号的比例，当T足够大时xT近似服从标准正态分布。

DDPM反向去噪过程：U-Net噪声预测网络

反向过程训练一个神经网络预测每个时间步添加的噪声，从而实现逐步去噪。网络架构普遍采用U-Net，它通过跳跃连接保留多尺度特征信息，适合图像这类结构化数据。训练时不需要遍历所有时间步，而是随机采样时间步进行训练，每个batch内不同样本可对应不同时间步，大幅提升训练效率。

class DiffusionModel:
    def __init__(self, model, timesteps=1000, beta_start=1e-4, beta_end=0.02):
        self.model = model  # U-Net网络
        self.timesteps = timesteps
        self.betas = torch.linspace(beta_start, beta_end, timesteps)
        self.alphas = 1.0 - self.betas
        self.alpha_bars = torch.cumprod(self.alphas, dim=0)

    def compute_loss(self, x_0):
        """计算训练损失：预测噪声与真实噪声的MSE"""
        t = torch.randint(0, self.timesteps, (x_0.shape[0],), device=x_0.device)
        noise = torch.randn_like(x_0)
        sqrt_ab = self.alpha_bars[t].view(-1,1,1,1).sqrt()
        x_t = sqrt_ab * x_0 + (1 - self.alpha_bars[t].view(-1,1,1,1)).sqrt() * noise
        predicted_noise = self.model(x_t, t)
        return F.mse_loss(noise, predicted_noise)

损失函数采用简单的MSE，无需复杂的对抗训练，这是扩散模型相比GAN的优势之一：训练稳定，不存在模式崩溃问题。

DDIM确定性采样：加速生成过程

DDPM采样需要数百至上千步迭代才能生成高质量图像，推理速度成为AI模型部署的瓶颈。DDIM（Denoising Diffusion Implicit Models）通过构造非马尔可夫的前向过程，在保持生成质量的前提下将采样步数压缩到20-50步。

@torch.no_grad()
def ddim_sample(model, shape, timesteps, alphas_cumprod, eta=0.0, ddim_steps=50):
    """DDIM采样：eta=0为确定性采样，eta>0引入随机性"""
    device = next(model.parameters()).device
    b = shape[0]
    x = torch.randn(shape, device=device)

    # 从1000步中均匀选取50步
    ddim_timesteps = torch.linspace(0, timesteps-1, ddim_steps, dtype=torch.long)
    ddim_timesteps = ddim_timesteps.flip(0)

    for i, t in enumerate(ddim_timesteps):
        t_batch = torch.full((b,), t, device=device, dtype=torch.long)
        eps = model(x, t_batch)
        alpha_bar_t = alphas_cumprod[t]
        x0_pred = (x - (1 - alpha_bar_t).sqrt() * eps) / alpha_bar_t.sqrt()

        if i < len(ddim_timesteps) - 1:
            t_next = ddim_timesteps[i + 1]
            alpha_bar_next = alphas_cumprod[t_next]
            x = alpha_bar_next.sqrt() * x0_pred +                 (1 - alpha_bar_next - eta**2 * (1 - alpha_bar_next)).sqrt() * eps
    return x

eta参数控制采样的随机性：eta=0时为完全确定性采样，相同输入始终产生相同输出；eta=1时退化为标准DDPM采样。实际部署中通常取eta=0配合20-50步DDIM采样，生成质量与1000步DDPM相当，推理速度提升20倍以上。

噪声调度选择与损失改进

噪声调度的选择直接影响生成质量。线性调度在高分辨率下后期信噪比过低，训练信号稀疏；余弦调度通过非线性衰减缓解了该问题。

def cosine_beta_schedule(timesteps, s=0.008):
    """余弦噪声调度"""
    steps = timesteps + 1
    x = torch.linspace(0, timesteps, steps)
    alphas_cumprod = torch.cos(((x / timesteps) + s) / (1 + s) * torch.pi * 0.5) ** 2
    alphas_cumprod = alphas_cumprod / alphas_cumprod[0]
    betas = 1 - (alphas_cumprod[1:] / alphas_cumprod[:-1])
    return torch.clip(betas, 0.0001, 0.9999)

无分类器引导（classifier-free guidance）是条件扩散模型的核心技术，训练时以一定概率丢弃条件标签，推理时通过有条件和无条件预测的差值放大条件信号，实现类别控制而无需额外分类器。

AI模型部署中的推理优化策略

扩散模型的AI模型部署需要兼顾生成质量和推理速度。常见优化手段包括：使用潜在扩散（Latent Diffusion）在压缩的潜在空间而非像素空间执行扩散过程，大幅降低计算量；采用flash attention优化U-Net中的注意力计算；利用量化技术将模型权重从FP32压缩到FP16甚至INT8，减少显存占用。Stable Diffusion即采用潜在扩散，在512x512分辨率下仅需4GB显存即可运行，使扩散模型在消费级GPU上可用。