扩散模型：加噪与去噪
扩散模型（像 Stable Diffusion）画图的思路出奇地巧。第一步好懂：拿一张清晰的图，一点点往上加噪声，加够多步，它就变成一团纯噪声——这叫前向加噪''，规则固定、谁都会。**真正学的是反过来**：训练一个模型，让它看着一团噪声，一步步把噪声去掉、还原出图来。学会了去噪’‘,从纯噪声出发就能生成全新的图。拖动下面的滑块，看一颗``心’‘怎样被打成噪声、又怎样被还原。
滑块从左到右 = 时间往前 = 噪声越来越多。``加噪''是固定规则；``去噪''是扩散模型真正学到的本事（这里因为知道原图所以能精确还原，真实模型则是估计每一步该去掉多少噪声）。
前向：加噪（固定）
每步加一点高斯噪声，足够多步后图像彻底变成噪声。规则写死，不用学。
反向：去噪（要学）
训练模型预测``这一步混进了多少噪声'',减掉它，一步步把图还原出来。
生成新图
学会去噪后，随便给一团噪声，反复去噪，就能``无中生有''画出全新的图。