DDIM

DDIM（Denoising Diffusion Implicit Models，去噪扩散隐式模型）是一种加速扩散模型采样的方法，由 Song 等人在 2020 年提出。它通过将随机扩散过程改造为非马尔可夫的隐式过程，实现确定性的采样路径，从而把原本需要数百到上千步的图像生成压缩到十几步甚至几步完成。凭借速度快、可调质量的特性，DDIM 至今仍是 Stable Diffusion 等主流模型默认的采样器之一，也是许多后续加速算法（如 DPM-Solver、蒸馏方法）的对比基线。此外，DDIM 反演（DDIM Inversion）还能把真实图像映射回噪声空间，被广泛用于图像编辑和条件生成任务。