Diffusion model

Diffusion model 可以理解为先设计一个 forward noising process，把数据逐渐扩散到简单噪声分布， 再训练模型学习反向生成过程。

在线性高斯设定里，许多小步噪声可以压缩成：

这解释了训练时为什么可以直接采样 $t$ 和 $\epsilon$ 构造 $X_t$， 而不需要真的从 $0$ 到 $t$ 跑很多步 forward diffusion。