历史背景与研究说明
DDPM 证明 diffusion probabilistic models 可以达到高质量图像合成。与 GAN 的一次性生成不同，diffusion 把图像构造为逐步反演噪声的过程；这一范式随后成为 2022 以后文生图的主流基础。
日期与版本记录
节点标注日期：2020 · 研究母版原记日期：2020
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
01
出处、翻译与核验状态
档案节点 #069 · 历史节点
研究母版与补充出处 · 1
AI 艺术谱系研究母版 · p. 21 · 069
原记日期: 2020
去噪扩散概率模型 ↗
Denoising Diffusion Probabilistic Models
站内说明据母版译编，非外链全文译本；AI 辅助翻译，待人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. 去噪扩散概率模型. 艺术史节点 #069. https://salondesrefuses.cn/zh/art-history/069
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。