自编码器与扩散模型：简要对比

自编码器与扩散模型在学习范式上相似：都以数据为输入并重建输出，都在过程中学习数据的低维流形，架构上都使用瓶颈层，U-Net 可视为带残差连接的自编码器。关键区别在于扩散模型以时间步 t 为条件输入，使单一模型和单组参数即可处理不同噪声水平，从而先由高 t 的噪声生成模糊图像、再在低 t 时逐步锐化；当前扩散模型还以图像描述等文本为条件，支持按文本提示词生成图像。