Diffusion Models
扩散模型，生成式 AI 的核心技术之一。广泛应用于图像、音频、视频生成。
核心原理
- 前向过程：对数据逐步添加噪声，直到完全随机
- 反向过程：学习从噪声恢复原始数据
- 条件生成：通过 CLIP 等编码器注入条件信息
架构变体
| 类型 | 代表模型 | 特点 |
|---|---|---|
| Latent | stable-diffusion | 低维空间扩散，效率高 |
| DiT | PixArt | Transformer 替代 U-Net |
| MM-DiT | Stable Diffusion 3 | 多模态联合 |
关键组件
- 噪声调度器：控制噪声添加/去除节奏
- U-Net / DiT：核心网络结构
- 文本编码器：CLIP、T5 等
游戏开发应用
- image-generation — 美术资产生成
- audio-generation — 音效/音乐生成
- 动态纹理生成
相关
- stable-diffusion — 最重要开源实现
- diffusion-models — 同上（别名）