Diffusion 可视化实验室Diffusion Model Visualization Lab
通过 8 个交互式模块，从零理解扩散模型 (Diffusion Models) 的完整工作原理：前向加噪、反向去噪、U-Net 架构、噪声调度、采样算法、条件引导、潜在扩散与训练过程。所有可视化均由纯 SVG 实时绘制，零外部依赖。
前向扩散过程
python · forward
前向扩散逐步向干净图像 x_0 添加高斯噪声，经过 T 步后变为纯噪声。该过程是确定性的（给定 x_0 和噪声），关键在于其闭式解 q(x_t|x_0) 允许直接跳转到任意时间步 t，这是训练时随机采样 t 的基础。信噪比 SNR = ᾱ_t / (1 - ᾱ_t) 随 t 增大而下降。
反向去噪过程
python · reverse
反向过程从纯噪声 x_T 出发，学习用 U-Net 预测每一步的噪声 ε_θ(x_t, t)，逐步去噪还原出干净图像。每一步均值 μ_θ 由模型预测的噪声计算，并加入受控随机性 z（采样时）。这是生成的核心：模型从未见过真实去噪过程，而是通过拟合前向噪声来"学会"逆转它。
U-Net 架构
python · unet
U-Net 是扩散模型的去噪骨干：编码器逐级下采样提取多尺度特征，解码器逐级上采样还原图像。跳跃连接 (Skip Connections) 将编码器的高分辨率细节直接传递给解码器，是恢复精细结构的关键。注意力块 (Attention) 在低分辨率层捕捉长程依赖。时间步 t 通过嵌入注入每个 ResNet 块。
噪声调度策略
python · schedule
噪声调度决定 β_t 如何随时间步变化，进而控制 ᾱ_t 的衰减曲线。线性调度简单但后期信噪比下降过快；余弦调度让 ᾱ_t 平滑下降，各阶段信噪比更均衡，生成质量更佳；Sigmoid 调度在中间阶段加速、两端平缓。调度直接影响训练稳定性与采样质量。
采样算法
python · sampling
采样算法决定如何从训练好的模型生成图像，核心是质量与速度的权衡。DDPM 需约 1000 步但质量最佳且随机性强；DDIM 通过确定性跳跃将步数压缩到 20-50 步；DPM-Solver 利用 ODE 求解仅需 10-20 步即可逼近 DDPM 质量；Euler 是最简单的 ODE 积分器。轨迹越直、步数越少则速度越快。
条件引导
python · guidance
条件引导控制生成样本对条件 (如文本提示) 的遵循程度。无分类器引导 (CFG) 同时预测有条件和无条件噪声，按引导尺度 w 外推：w 越大越对齐但多样性下降、易过饱和。分类器引导依赖额外分类器的梯度。无引导 (w=1) 即普通条件采样。CFG 是现代文生图模型的标配。
Latent Diffusion
python · ldm
Latent Diffusion (LDM, Stable Diffusion 的基础) 将扩散过程从像素空间转移到低维潜在空间：先用 VAE 编码器把图像压缩为潜在表示 (压缩因子 f=8)，在潜在空间训练扩散模型，生成后再用 VAE 解码器还原。这使计算量与显存需求大幅降低 (约 48× 压缩)，是高分辨率文生图可行的关键。
训练过程
python · training
训练循环：随机采样时间步 t 与噪声 ε，构造带噪样本 x_t，让 U-Net 预测噪声，以 MSE 损失监督。EMA (指数移动平均) 维护权重的平滑副本，推理时使用 EMA 权重可获得更稳定、更高质量的生成结果。学习率与批大小影响训练稳定性——学习率过高会震荡发散，过低则收敛缓慢。