扩散模型是什么？AI 画画为何先加噪再一步步去噪
先泼盆冷水：直接凭空画图太难
你让它画一只戴帽子的猫，它该从哪个像素下笔？直接生成整张图，对模型来说等于闭眼画工笔画，难度爆表。早年 GAN 那种「一次成型」的路子，常画得四不像，还容易训崩。扩散模型换了个思路：别急着画，先学会「擦」。它把生图这事儿，拆成了人人都能练的减法题。
扩散的核心：先加噪，再学去噪
它分两步走。第一步叫「前向」：拿一张真图，逐步往里掺随机噪点，几十步之后原图彻底变成满屏雪花，啥也认不出。第二步叫「反向」：训练模型从雪花出发，一步步预测「刚才加的是哪一层噪」，把它减掉，把清晰图像慢慢还原。模型真正学到的本事，不是画，而是「给一张糊图，怎么擦干净」。
一个比喻：洗照片与除雾
把加噪想成大雾天拍照——原图是晴天的景，雾一浓就啥都糊了。模型干的事，就是学会「看雾图、估雾厚、把雾一层层散掉」，最后晴天重现。又像老式暗房洗照片：底片先一片混沌，显影液一点点把像「逼」出来。扩散生图，本质就是这出「从无到有、逐步显影」的戏，反着来反而更稳。
那它怎么听懂你那句话
光会去噪不够，得按你的描述来。训练时，除了噪图，还把对应的文字说明一起喂进去——「这是戴帽子的猫」。去噪时模型心里揣着这句话，擦出来的方向就奔着你要求去。你喊「赛博朋克」，它擦出的颗粒感就偏冷硬；你喊「水彩」，它就软下来。文字成了导航，去噪成了执行，俩一搭就出图。
为啥这两年它火成顶流
Stable Diffusion、DALL·E 3 这些明星，背后都是扩散思路。它比 GAN 稳、不易崩，还能跟文字、视频、3D 接上，画质还顶。今天你刷到的不少 AI 海报、头像、概念图，十有八九是它一点点「擦」出来的。说白了，生图界的扛把子，靠的就是这套「先弄脏、再洗净」的反向操作，简单粗暴但真管用。
小结
扩散模型把生图这件难事，翻成了「先加噪、再学去噪」两步：先让真图变雪花，再训练模型从雪花里把清晰图像一点点擦回来。它像洗照片、像除雾，反直觉却格外稳，还听得懂你的文字导航。正是这招，撑起了 Stable Diffusion、DALL·E 3 这些顶流生图工具。理解扩散，你就明白 AI 画画不是「凭空变」，而是「从一团乱里慢慢把像显出来」——下次见 AI 出图，别觉得玄，它只是个熟练的擦噪老师傅。咱干运营的，最吃这套「把复杂事拆简单」的逻辑。
