擴散模型是一種先進的深度學習方法，用於生成高質量的圖像。這些模型在圖像生成領域表現出色，尤其在創造逼真的人造圖像方面。以下是對擴散模型以及其在生成逼真圖像中應用的詳細說明：

### 擴散模型的工作原理

1. **噪聲添加與去除**:
: 擴散模型首先在一個簡單的圖像（如純噪聲）上逐步添加結構化的噪聲。然後，它透過一系列的步驟逐漸去除這些噪聲，最終生成清晰的圖像。

2. **學習過程**:
: 在訓練過程中，模型學習如何從帶有噪聲的圖像中重建清晰的圖像。這種方法使模型能夠更好地理解和重建圖像的細節和結構。

3. **迭代改進**:
: 通過多次迭代，模型逐步提高生成圖像的質量。每一步都涉及到預測並去除噪聲的部分，從而逐漸接近最終的清晰圖像。

### 應用於逼真圖像生成

擴散模型在生成逼真的人造圖像方面特別有效。以下是一些著名的應用：

1. **Midjourney**:
: 這是一種基於擴散模型的工具，能夠根據用戶的指示生成高度逼真和創意的圖像。它利用深度學習來理解並創建符合用戶要求的圖像。

2. **Stable Diffusion**:
: 這個工具同樣基於擴散模型，專門用於生成穩定而高質量的圖像。它能夠處理複雜的圖像生成請求，產生逼真且多樣化的輸出。

3. **DALL-E**:
: 由OpenAI開發，DALL-E是一個非常先進的圖像生成模型，能夠根據文字描述生成相應的圖像。它在理解和轉化文字描述為視覺內容方面表現出色。

總體來說，擴散模型是圖像生成領域的一個重要進展，尤其在創造高度逼真和多樣化的人造圖像方面。這些模型的能力不斷增強，使得從複雜描述中創造圖像成為可能，為藝術創作、設計和娛樂等領域帶來了新的可能性。

- [LDM & LCM](https://hackmd.io/@2YdnUWD8RpK3RWxZlSeg8Q/ryKq8CwOT)