# 尺度空间扩散 ## 摘要 扩散模型已成为生成建模中最成功的方法之一。然而。.

扩散模型通过噪声对图像进行降质，而逆转这一过程揭示了跨时间步的信息层级。尺度空间理论通过低通滤波展现了类似的层级结构。我们形式化了这一联系，并证明高度噪声的扩散状态所含信息不超过小型、降采样图像所含的信息——这引发了为什么必须以全分辨率处理这些状态的问题。为解决这一问题，我们通过制定具有广义线性降质的扩散模型族，并提供实用实现方案，将尺度空间融合到扩散过程中。使用降采样作为降质因素产生了我们提出的尺度空间扩散。为支持尺度空间扩散，我们引入了Flexi-UNet，这是一种UNet变体，仅使用网络的必要部分执行分辨率保留和分辨率增加的去噪。我们在CelebA和ImageNet上评估了我们的框架，并分析了其在不同分辨率和网络深度上的缩放行为。我们的项目网站（