Как семплируется шаг t при обучении и инференсе Stable Diffusion?

В Stable Diffusion шаг t — это дискретный временной индекс, который указывает на уровень шума в процессе диффузии. При обучении t обычно семплируется случайно из равномерного распределения по всему диапазону шагов (например, от 1 до T), чтобы модель училась восстанавливать данные из разных уровней зашумления.

На инференсе (генерации) шаги t выбираются детерминированно, обычно в обратном порядке от T к 1, с фиксированным шагом или с помощью специальных схем семплинга (например, DDIM), чтобы постепенно очищать изображение от шума.

Пример:

• Обучение: t ~ Uniform(1, T)
• Инференс: t = T, T-1, T-2, ..., 1

Таким образом, обучение охватывает весь спектр зашумления, а инференс — последовательное удаление шума по шагам.