💡一句話定義
擴散模型（Diffusion）分兩階段：前向過程逐步對資料加雜訊直到變純噪聲；反向過程訓練網路逐步去噪，從隨機噪聲一步步還原出清晰樣本。它是與 GAN、VAE 並列的三大生成模型，近年品質與穩定性最受青睞。
🎮互動：逐步去噪生成
畫面一開始是純雜訊。按「開始生成」，網路分 4 步逐步去噪，笑臉圖案從迷霧中慢慢浮現；按「重置為雜訊」回到起點再玩一次。
🌫️ 擴散模型 (Diffusion) 圖像生成原理
🖋️核心比喻：墨水與清水
🔀前向 vs 逆向
| 面向 | 前向過程（加噪） | 逆向過程（去噪） |
|---|---|---|
| 方向 | 清晰圖 → 純雜訊 | 純雜訊 → 清晰圖 |
| 做什麼 | 一步步加高斯雜訊，幾百次後成雪花 | 網路逐步預測並減去雜訊 |
| 需要 AI 嗎 | 不需要（固定的加噪規則） | 需要（U-Net 去噪網路，本頁動畫） |
| 用途 | 製造訓練資料 | 推論時生成新圖 |
🧠它到底在學什麼？
去噪網路（常是 U-Net）學的是：「在某個噪聲程度下，這張圖該去掉哪些雜訊（或還原方向）」。推論時就從一團純噪聲開始，反覆套用這個去噪網路幾十上百步，清晰結構逐漸浮現，最終生成高品質結果。
🧭文字如何控制生成？
輸入「一隻戴帽子的太空貓」時，這段文字被轉成嵌入向量，並在每一步去噪都注入給網路（常用交叉注意力 cross-attention）。就像給 AI 一個指南針：去噪時往「太空貓」的方向走、別往「風景畫」——這叫條件擴散（Conditional Diffusion），也就是文字生圖。
⚡優缺點 & Stable Diffusion
✅優點
生成品質與多樣性高、訓練比 GAN 穩定（沒有對抗、不易崩潰）。
生成品質與多樣性高、訓練比 GAN 穩定（沒有對抗、不易崩潰）。
🐢缺點
需多步取樣、速度較慢；可用 DDIM 等方法加速。
需多步取樣、速度較慢；可用 DDIM 等方法加速。
🗜️Stable Diffusion
潛在擴散：先用自編碼器把影像壓到較小的潛在空間做擴散，大幅省算，再解碼回影像。
潛在擴散：先用自編碼器把影像壓到較小的潛在空間做擴散，大幅省算，再解碼回影像。
評估生成影像常用 FID（越低越逼真），別用準確率。
✅自我檢測
Q1. 擴散模型怎麼生成資料？
兩階段：前向過程逐步加雜訊直到變純噪聲；反向過程訓練網路逐步去噪，從隨機噪聲一步步還原清晰樣本。
Q2. 它實際在學什麼？
學在某個噪聲程度下如何預測該去掉的噪聲（或還原方向）。推論時從噪聲開始、反覆套用去噪網路即可生成。
Q3. 擴散模型的優缺點？
優點：品質與多樣性高、訓練比 GAN 穩定（無對抗）。缺點：需多步取樣、速度慢（可用 DDIM 等加速）。
Q4. 文字怎麼控制生成內容？
把文字嵌入透過條件機制（如交叉注意力）注入去噪網路的每一步，讓生成依提示詞導向，即文字生圖。
🎯重點整理
- 兩階段：前向加噪、逆向去噪。
- 生成：從純噪聲反覆去噪還原圖像。
- 學什麼：預測某噪聲程度下該去掉的雜訊。
- 文字控制：條件擴散（cross-attention 注入）。
- 定位：品質高、比 GAN 穩；SD 用潛在擴散加速。