扩散模型（Diffusion Model）是当前最主流的图像生成技术范式。它的核心思想是：先学习如何给图片"加噪"（正向过程），然后学会如何"去噪"恢复原图（反向过程）。当训练完成后，只需从纯噪声开始逐步去噪，就能生成全新的图片。
工作流程
1. 训练阶段：给真实图片逐步添加噪声，训练模型学会逆向去噪 2. 生成阶段：从随机噪声开始，模型根据文字提示逐步去噪，每一步都让画面更清晰 3. 通常需要20-50步去噪迭代才能生成一张高质量图片
关键概念
- Latent Diffusion：不在像素空间而是在压缩的潜空间扩散，大幅降低计算量（Stable Diffusion的核心创新）
- CFG（Classifier-Free Guidance）：控制文字提示对生成结果的影响力
- Sampler（采样器）：不同的去噪算法（DDIM、Euler、DPM++），影响生成速度和质量
主流模型
- Stable Diffusion系列（开源，生态最丰富）
- Flux（2024年发布，文字渲染能力最强）
- DALL·E系列（OpenAI，闭源）
- Midjourney（闭源，艺术质量最高）
- Sora（OpenAI，视频扩散模型）