• 两个过程
• 前向过程（forward process）：添加噪声；
• 反向过程（reverse process），又称为扩散过程（diffusion process）：去除噪声，数据样本生成。

• 过程核心原理
• 无论是前向过程还是反向过程都是一个参数化的马尔可夫链（Markov chain），即当前过程状态仅与上个过程状态相关；
• 复杂的条件概率推理最终将这个过程简化为学习噪声分布的网络。

• 前向过程如何加噪
• 添加 t 次随机高斯噪声（逐渐增大），但是这样比较繁琐；
• 推理得到最终添加的所有噪声可以表达为与 t 相关的一个公式；
• 每批（个）样本添加噪声的时候 t 是随机选取的。

• 反向过程如何降噪
• 反向过程的噪声不是一步到位直接去除，前向过程添加 t 次噪声，反向过程就要去除 t 次噪声；
• 每次降噪都是用一个训练好的网络，输入为当前时刻 t 和 当前值 x_t（有条件的话还要输入条件），输出噪声分布；
• 为了加快降噪过程可以减少 t 的次数。

• loss是如何计算的
• 由降噪过程可知 diffusion 使用网络学习噪声分布，loss 是约束每次添加的噪声和网络输出的噪声之间的距离。