核心要点
前向/反向过程
与 GAN 对比
条件生成（文生图）
简要回答
训练时学一个网络预测每一步加的噪声；生成时从纯噪声出发，迭代去噪 T 步得到清晰图像，文本条件通过 Cross-Attention 注入。
标准回答
一、先把结论讲清楚
前向扩散：x_0 → ... → x_T 纯高斯噪声，每步加小噪声。反向去噪：学 p(x_{t-1}|x_t)，推理时从 x_T 采样逐步还原。
二、拆开机制和判断点
Stable Diffusion：在 latent 空间扩散降算力；U-Net 预测噪声；CLIP 文本编码器提供条件。优势：训练稳定、多样性好。
三、补上例子、边界和取舍
劣势：推理慢（需多步），可用 DDIM、Distillation 加速。对比 GAN：扩散质量高但慢；GAN 快但模式崩塌风险。
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：只背概念不会举例；混淆相似术语；忽略工程落地约束（成本、延迟、数据质量）。
追问
追问 1：什么是 Classifier-Free Guidance？
题库专题：扩散模型中的无分类器引导（Classifier-Free Guidance）是什么？训练时随机丢弃条件（如文本 prompt），推理时用有条件与无条件预测差值放大条件影响：ε = ε_u + w(ε_c − ε_u)。w>1 加强 prompt 遵循，过大易过饱和、多样性下降。
题库延伸：与本追问相关的专题题 → 扩散模型中的无分类器引导（Classifier-Free Guidance）是什么？
追问 2：Latent Diffusion 为何省算力？
题库专题：潜空间扩散（Latent Diffusion / Stable Diffusion）为什么更高效？在 VAE 压缩后的低维 latent 空间做扩散，分辨率低、通道少，U-Net 计算量远小于像素空间扩散；解码器最后映射回图像，在质量与效率间取得平衡（Stable Diffusion）。
题库延伸：与本追问相关的专题题 → 潜空间扩散（Latent Diffusion / Stable Diffusion）为什么更高效？
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习