近一段时间，AI 作画可谓是火的一塌糊涂。
在你惊叹 AI 绘画能力的同时，可能还不知道的是，扩散模型在其中起了大作用。就拿热门模型 OpenAI 的 DALL·E 2 来说，只需输入简单的文本（prompt），它就可以生成多张 1024*1024 的高清图像。
在 DALL·E 2 公布没多久，谷歌随后发布了 Imagen，这是一个文本到图像的 AI 模型，它能够通过给定的文本描述生成该场景下逼真的图像。
就在前几天，Stability.Ai 公开发布文本生成图像模型 Stable Diffusion 的最新版本，其生成的图像达到商用级别。
自 2020 年谷歌发布 DDPM 以来，扩散模型就逐渐成为生成领域的一个新热点。之后 OpenAI 推出 GLIDE、ADM-G 模型等，都让扩散模型火出圈。
很多研究者认为，基于扩散模型的文本图像生成模型不但参数量小，生成的图像质量却更高，大有要取代 GAN 的势头。
不过，扩散模型背后的数学公式让许多研究者望而却步，众多研究者认为，其比 VAE、GAN 要难理解得多。
近日，来自 Google Research 的研究者撰文《 Understanding Diffusion Models: A Unified Perspective 》，本文以极其详细的方式展示了扩散模型背后的数学原理，目的是让其他研究者可以跟随并了解扩散模型是什么以及它们是如何工作的。
论文地址：https://arxiv.org/pdf/2208.11970.pdf
至于这篇论文有多「数学」，论文作者是这样描述的：我们以及其令人痛苦的细节（excruciating detail）展示了这些模型背后的数学。
论文共分为 6 部分，主要包括生成模型；ELBO、VAE 和分级 VAE；变分扩散模型；基于分数的生成模型等。