【AI经典论文解读】《 Diffusion Models Beat GANs on Image Synthesis(扩散模型在图像合成上超越 GAN)》论文深度解读

从追赶到超越：Guided Diffusion如何终结GAN的统治时代
引入“分类器引导”，在保真度与多样性之间找到完美的黄金分割

在2021年之前，尽管扩散模型在理论上展现了优雅的数学特性，但在高分辨率图像生成的“竞技场”上，GAN（生成对抗网络）依然是无可争议的王者（如BigGAN、StyleGAN）。人们普遍认为扩散模型虽然生成的样本多样性好，但图片的“逼真度”和细节纹理难以匹敌GAN。然而，OpenAI的这项研究《Diffusion Models Beat GANs on Image Synthesis》彻底打破了这一局面。通过对模型架构的深度消融实验与革命性的“分类器引导（Classifier Guidance）”技术，它不仅在ImageNet基准上击败了当时最强的BigGAN-deep，更揭示了如何利用梯度引导来精确平衡生成图像的多样性与保真度,。

论文信息：Dhariwal, P., & Nichol, A. (2021). Diffusion Models Beat GANs on Image Synthesis. arXiv preprint arXiv:2105.05233.
https://arxiv.org/pdf/2105.05233

核心贡献：

1. 架构优化：通过增加深度、多头注意力机制（Multi-head Attention）及引入BigGAN残差块，找到了扩散模型生成高质量图像的最佳架构配置,。
2. 分类器引导（Classifier Guidance）：提出利用预训练分类器的梯度（$ \nabla \log p(y|x) $）在采样过程中引导扩散模型，允许用户通过调整缩放因子（Scale）来用多样性（Recall）换取极高的保真度（Fidelity）,。
3. SOTA性能：首次证明扩散模型在ImageNet 128x128、256x256及512x512分辨率下的FID分数超越了最先进的GAN模型,。

历史地位：扩散模型击败GAN的“翻身之战”，确立了扩散模型在极高分辨率、光写实图像生成领域的霸主地位，其提出的Guidance技术成为了后续DALL-E 2、Imagen等大规模文生图模型的核心基石。