摘要
基于扩散的生成模型在视觉上呈现出令人印象深刻的合成能力，但它们是否也能成为优秀的基于似然（likelihood-based）的模型？我们对此给出了肯定的回答，并提出了一类新型的基于扩散的生成模型，在标准图像密度估计基准上取得了当前最优的似然性能。与现有的其他扩散模型不同，我们的方法能够高效地将噪声调度（noise schedule）与模型其余部分联合优化。我们发现，变分下界（Variational Lower Bound, VLB）在扩散数据的信噪比（signal-to-noise ratio, SNR）表达下可简化为一个极为简洁的形式，从而深化了我们对该模型类的理论理解。基于这一洞察，我们证明了文献中若干模型之间的等价性。此外，我们进一步揭示：连续时间下的VLB仅在噪声调度两端的信噪比处依赖于调度本身，其余部分保持不变。这一性质使我们能够学习一个最小化VLB估计器方差的噪声调度，从而显著加速优化过程。结合上述理论进展与网络架构的改进，我们在图像密度估计基准上实现了当前最优的似然性能，超越了多年来长期主导该领域的自回归模型，且优化速度通常显著更快。此外，我们还展示了如何将该模型应用于bits-back压缩方案，并实现了接近理论最优的无损压缩率。相关代码已开源，地址为：https://github.com/google-research/vdm。