詳細解釋
DDIM（Denoising Diffusion Implicit Models）是DDPM的確定性採樣變體，用隱式機率模型實現可逆生成，更快且可複現。
與DDPM的對比：
- DDPM：隨機採樣，路徑多樣
- DDIM：確定性，給定種子路徑唯一
- DDIM可用更少步數（50→20）
- 品質相當甚至更好
核心思想：
- 非馬可夫：不依賴前一步的隨機性
- 隱式模型：直接定義x₀和xₜ的關係
- 可逆性：可從數據反推噪聲
優勢：
- 速度：更少步數達到相同品質
- 可複現：確定性便於調參和除錯
- 插值：潛在空間有意義的插值
- 反演：可編輯真實圖片
應用：
- 快速採樣的基礎
- 圖像編輯：反演+修改+重構
- 潛在空間操作
後續發展：
- DDIM啟發更快採樣器
- DPM Solver等進一步加速
- 但DDIM仍是重要基準
是擴散採樣的重要改進。