就直接从算法部分开始了： 2 算法 我们的目标是定义一个前向（或者推理）扩散过程，这个过程能够转换任意的复杂数据分部到一个简单、tractable、分布，并且学习有限时间扩散过程的反转 从而 定义我们的生成模型分布。我们接着展示了反转、生成式扩散过程能够被训练，并且被用来评估可能性。我们同样推导出这些反转过程的交叉熵界，并且展示怎么学习分布能够被第二个分布相乘（例如，在修复货去噪图像时，计算后