扩散模型：从噪声中“生长”出图像的AI魔法
扩散模型是一种通过逐步去除噪声来生成数据（如图像、音频）的生成式AI模型。它模仿了物理中的扩散过程，先将数据“打散”成噪声，再学习如何逆向“重建”出清晰、高质量的内容。
一句话解释
扩散模型是一种生成式人工智能模型，其核心思想是模仿物理扩散的逆过程：先给数据（如图片）逐步添加噪声直到变成完全随机噪声，然后训练一个神经网络学习如何从噪声中一步步“去噪”，最终重建或生成全新的数据。
为什么会被关注
自2020年左右在图像生成质量上超越生成对抗网络后，扩散模型迅速成为AIGC领域的绝对主流。以Stable Diffusion、Midjourney、DALL-E 2/3为代表的应用引爆了AI绘画和创意产业，让普通人也能通过文字描述生成高质量图像。其生成细节丰富、可控性强、训练相对稳定，推动了从静态图像到视频、3D模型生成的技术演进。
核心逻辑：正向扩散与逆向重建
模型训练分两个阶段：正向扩散过程，系统化地将一张真实图片通过数百步添加高斯噪声，最终变成纯噪声；逆向重建过程，是模型学习的核心，即训练一个神经网络（通常是U-Net）预测每一步所添加的噪声，并学习如何从纯噪声开始，一步步减去预测的噪声，最终还原出清晰的图像。在生成时，只需从一个随机噪声开始，调用学习好的逆向过程，就能“去噪”出一张全新的图片。
常见应用场景
1. 文生图与创意设计：用户输入文本提示词，模型生成符合描述的图像，广泛应用于艺术创作、广告设计、游戏资产制作。
2. 图像编辑与修复：实现智能修图、老照片修复、图像扩展、风格迁移等，如“替换图中某个物体”或“改变图片风格”。
3. 科学模拟与生成：在药物研发中用于生成分子结构，在气象学中用于生成天气预测图，为科学研究提供新工具。
4. 视频与音频生成：技术正扩展至时序数据领域，用于生成连贯视频、动画以及音乐、语音等音频内容。
容易混淆的点
与生成对抗网络混淆：GANs通过生成器和判别器“对抗”训练，而扩散模型是学习确定的去噪步骤，通常训练更稳定，生成多样性更好。
与自回归模型混淆：像GPT那样逐个像素预测的模型不同，扩散模型在隐空间并行处理所有像素，效率更高。理解“潜在扩散模型”是关键：如Stable Diffusion，它并非直接在像素空间操作，而是先将图像压缩到更小的隐空间进行扩散和去噪，极大降低了计算成本，这才是其能普及的技术关键。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词DALL-E是OpenAI开发的文本到图像生成模型，能够根据用户输入的自然语言描述，创造出高度匹配且富有创意的图像。它代表了AI在理解复杂概念并将其视觉化方面的重大突破，极大地降低了图像创作的门槛。
AIGC（人工智能生成内容）是指利用人工智能技术自动或辅助生成文本、图像、音频、视频等内容。它正从辅助工具演变为独立的内容生产者，深刻改变着内容产业的创作模式与效率。
Stable Diffusion是一种开源的潜在扩散模型，能够根据文本描述生成高质量的图像。它通过将图像生成过程分解为逐步去除噪声的步骤，实现了从随机噪声到目标图像的转换。