stable diffusion生成模型
1、stable diffusion
Stable Diffusion 是一种扩散模型，基于对图像的逐步去噪过程训练和生成。它的核心包括以下几个步骤：
- 扩散过程（Diffusion Process）
在训练时，向真实图像逐步添加噪声，最终将其变为纯随机噪声。这是一个正向过程，目的是学习如何将复杂的图像分解成随机噪声。
- 逆扩散过程（Denoising Process）
模型训练的目标是学习从纯噪声中逐步还原出真实图像。这需要一个条件生成模型（如 U-Net），结合特定的条件（如文本描述）对噪声进行逐步去噪。
- 条件输入（Conditioning）
Stable Diffusion 是一个条件生成模型，可以根据输入的文本（通过 CLIP 模型编码的文本嵌入）或其他条件（如已有的图像）生成特定的图像。
- 潜空间表示（Latent Space Representation）
Stable Diffusion 不直接对高分辨率图像操作，而是使用预训练的 VAE（变分自编码器）将图像压缩到潜空间中。生成和操作都发生在这个