Чем DDIM отличается от DDPM?

DDPM (Denoising Diffusion Probabilistic Models) и DDIM (Denoising Diffusion Implicit Models) — это методы генеративного моделирования на основе диффузионных процессов, но они отличаются по способу семплинга и эффективности.

DDPM — классический диффузионный процесс, который обучается восстанавливать данные из зашумлённого состояния, используя стохастический обратный процесс. Семплинг происходит через множество шагов с добавлением и удалением шума, что требует большого количества итераций.

DDIM — модификация DDPM, которая использует детерминированный обратный процесс, позволяющий значительно сократить количество шагов семплинга без существенной потери качества. DDIM заменяет стохастический процесс на более прямой, что ускоряет генерацию и делает её более контролируемой.

Основные отличия:

• DDIM позволяет выполнять генерацию с меньшим числом шагов (ускоренный семплинг).
• DDIM использует детерминированный процесс, что даёт возможность контролировать траекторию генерации.
• DDPM — стохастический, что обеспечивает более разнообразные сэмплы, но медленнее.

Таким образом, DDIM — это улучшение DDPM, направленное на ускорение и контроль процесса генерации в диффузионных моделях.