DDPM

去噪擴散機率模型 (DDPM) 由 Jonathan Ho、Ajay Jain 和 Pieter Abbeel 提出，該模型是一個基於擴散的模型，名稱與論文相同。在 🤗 Diffusers 庫中，DDPM 指的是論文中的*離散去噪排程器*以及相應的管道。

論文摘要如下：

我們利用擴散機率模型（一種受非平衡熱力學啟發而建立的潛變數模型）取得了高質量影像合成結果。我們透過根據擴散機率模型與 Langevin 動力學去噪分數匹配之間的新穎聯絡設計的加權變分下界進行訓練，獲得了最佳結果。我們的模型自然支援漸進式有損解壓方案，該方案可解釋為自迴歸解碼的推廣。在無條件 CIFAR10 資料集上，我們獲得了 9.46 的 Inception 分數和 3.17 的最先進 FID 分數。在 256x256 LSUN 上，我們獲得了與 ProgressiveGAN 相似的樣本質量。

原始程式碼庫可在 hojonathanho/diffusion 找到。

DDPMPipeline

>>> from diffusers import DDPMPipeline

>>> # load model and scheduler
>>> pipe = DDPMPipeline.from_pretrained("google/ddpm-cat-256")

>>> # run pipeline in inference (sample random noise and denoise)
>>> image = pipe().images[0]

>>> # save image
>>> image.save("ddpm_generated_image.png")

ImagePipelineOutput