扩散模型：加噪与去噪（拓展）

观察要点

1. 前向过程是固定的加噪马尔可夫链，任意时刻 x_t 都可以从 x₀ 一步采样得到。
2. 反向过程只需要估计每个时刻的分数 ∇log q_t(x)，实际中由神经网络学习（预测噪声 ε）。
3. 扩散模型已成为图像生成（Stable Diffusion 等）的主流方法，但它不在本书第一版范围内。

相关章节：第 13 章 深度生成模型。

拓展内容

扩散模型（Ho et al., 2020, Denoising Diffusion Probabilistic Models）不在教材第一版范围内，作为第 13 章深度生成模型的延伸阅读。