PPR-2006.11239
Paper
Denoising Diffusion Probabilistic Models
| id | |
|---|---|
| updated | |
| type | paper |
| title | Denoising Diffusion Probabilistic Models |
| alias | DDPM |
| authors | Jonathan Ho, Ajay Jain, P. Abbeel |
| venue | NeurIPS 2020 |
| arxiv | 2006.11239 |
| tier | 0 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-03 |
| version | arXiv:2006.11239 |
| source-hash | sha256:0000000000000000000000000000000000000000000000000000000000000000 |
| admitted-under | A2-direct-edge |
| admission-note | G2DP 引用本工作为扩散生成的理论根基（去噪扩散概率模型，ε-prediction 的前向／逆向马尔可夫链框架）。 |
| citation-count-s2 | 34569 |
去噪扩散概率模型的奠基之作（Ho, Jain & Abbeel, NeurIPS 2020）：把图像合成刻画为逐步加噪／去噪的扩散过程，奠定其后各类扩散应用的概率基础。
与 G2DP 的关系（PPR-2606.26017）：G2DP 引用本工作为扩散生成的理论根基（去噪扩散概率模型，ε-prediction 的前向／逆向马尔可夫链框架）。
关联（1）
- PPR-2606.26017 G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance