为什么DDPM去噪的过程中还要加噪声？
2023-05-29 阅读 43
DDPM是一种基于概率分布的图像生成模型，其主要目的是学习图像的概率分布，从而能够生成与原始图像相似的新图像。在DDPM中，去噪过程实际上是一种条件概率估计，即在给定噪声图像的情况下，估计出原始图像的概率分布。
为了更好地学习原始图像的概率分布，DDPM采用了一种噪声抑制的策略，即在训练过程中，同时加入高斯噪声和脉冲噪声。这样可以使得模型更加鲁棒，能够更好地处理各种类型的噪声，并且可以避免过拟合。
在去噪过程中，DDPM同样采用了加噪声的策略，即在给定噪声图像的情况下，通过加入额外的高斯噪声来提高模型的鲁棒性和泛化能力。这样可以使得模型更加适应不同类型的噪声，并且可以减少去噪过程中的估计误差。
更新于 2023年05月30日
