研究突破 · 人工校订条目
DDPM 提出，扩散模型成为生成模型主线
Denoising Diffusion Probabilistic Models
- 日期
- 2020 年 6 月 19 日
- 类别
- 研究突破
- 机构 / 模型
- University of California, Berkeley
- 证据
- 1 条 · 1 类
Ho、Jain 与 Abbeel 提出去噪扩散概率模型：先对图像逐步加噪，再训练网络反向去噪，从纯噪声中生成样本。它在图像生成上取得与当时最强 GAN 相当的质量，此后成为 Stable Diffusion、DALL·E 2 与视频生成模型的共同基础。
校订注记：arXiv 预印本核对；论文于 2020 年在 NeurIPS 发表
人工校订来源 · 1
引用本页
DDPM 提出，扩散模型成为生成模型主线[EB/OL]. AI 纪年, 2020-06-19. https://aihist.net/e/ddpm-2020.html（访问日期：2026-10-29）.
静态页随内容修订重新构建；实时合并证据与自动采集条目见时间轴。