大家都知道，图像生成和去噪扩散模型是密不可分的。高质量的图像生成都通过扩散模型实现。 但有没有一种可能，「去噪扩散模型」实际上并没有做到「去噪」？ ResNet 之父，超70万引用的 AI 大神何恺明的新论文敏锐地捕捉了这一现象。 当扩散生成模型最初被提出时 ，核心思想本应是「去噪」，即从被破坏的图像中预测出干净图像。然而，在扩散模型的发展过程中出现的两个重要里程碑，却偏离了直接预测干净图像这一目标。首先，预测噪声本身（称为 「ϵ-prediction」）在生成质量上带来了关键改变，并极大推动了这些模型…