본 논문은 확산 기반 생성 모델에 대한 간결하고 자체 완비적인 유도를 제시합니다. 가우시안 분포의 기본 속성(밀도, 이차 기대값, 재매개변수화, 곱, KL 발산)부터 시작하여, 잡음 제거 확산 확률 모델을 근본 원리로부터 구성합니다. 여기에는 순방향 잡음 추가 프로세스, 닫힌 형태의 마진, 정확한 이산 역방향 사후 분포, 관련 변동 경계가 포함됩니다. 이 경계는 실제로 사용되는 표준 잡음 예측 목표로 단순화됩니다. 그 후, DDIM, 적대적으로 학습된 역방향 역학(DDGAN), Stable Diffusion과 같은 다중 스케일 변형(중첩 및 잠재 확산)을 포함하여 가능성 추정과 가속 샘플링에 대해 논의합니다. 연속 시간 공식은 확산 SDE로부터 연속 방정식과 Fokker-Planck 방정식을 통해 확률 흐름 ODE를 유도하고, 흐름 매칭을 소개하며, 정류 흐름이 시간 재매개변수화까지 DDIM을 어떻게 복구하는지 보여줍니다. 마지막으로, 안내 확산을 다루어, 분류기 안내를 사후 스코어 수정으로, 분류기 없는 안내를 조건부 및 비조건부 스코어 간의 원칙적인 보간으로 해석합니다. 독자들이 이론을 이해하고 실제 알고리즘을 구현할 수 있도록 투명한 대수, 명시적인 중간 단계, 일관된 표기에 중점을 둡니다.
