Diffusion Models Foundations (DDPM): 解释噪声调度（linear vs cosine）的影响。

Core Concept: 调度决定各时间步的信噪比分布；linear 在两端浪费（中间信噪比变化快），cosine 更均匀，质量更好。

数学机理：<strong>噪声调度（noise schedule）</strong> 定义 β_t（或等价地 ᾱ_t）随 t 的变化，它决定'每个时间步的信噪比（SNR=ᾱ_t/(1−ᾱ_t)）'。<strong>linear 调度（DDPM 原始）</strong>——β_t 从 β_1=1e−4 <strong>线性</strong>增长到 β_T=0.02。<strong>问题</strong>——(a) <strong>两端浪费</strong>——在 t 很小时 ᾱ_t≈1（信号几乎无损），故前若干步'几乎没加噪'（学到的任务太简单，浪费）；在 t 很大时 ᾱ_t≈0（几乎纯噪声），也学不到有用信息；(b) <strong>中间变化快</strong>——在中间的若干步内信噪比<strong>急剧下降</strong>（从'清晰'到'全噪'），导致这部分时间步的'任务跨度大'（难学）；(c) <strong>高分辨率时更严重</strong>——图像尺寸越大，'有用的细节'越多，linear 调度在高分辨率上表现更差。<strong>cosine 调度（Improved DDPM，Nichol & Dhariwal 2021）</strong>——直接对 <strong>ᾱ_t</strong> 设计：ᾱ_t=cos²((t/T+s)/(1+s)·π/2)/cos²(s·π/2)（s 是小偏移，避免 t=0 时 β 太小）。<strong>优点</strong>——(a) <strong>信噪比变化更均匀</strong>——各时间步的'信息破坏量'更均匀，避免了'中间骤降'；(b) <strong>两端更少浪费</strong>——起点与终点的过渡更平滑；(c) <strong>生成质量更好</strong>——论文报告 cosine 调度在 CIFAR-10/ImageNet 上优于 linear（尤其高分辨率与少步数采样）。<strong>其他调度</strong>——(a) <strong>sigmoid / scaled-linear</strong>；(b) <strong>零终端 SNR（Zero Terminal SNR）</strong>——修正'训练与推理的 SNR 不匹配'（重要改进，见后续）；(c) <strong>EDM 的 ρ 调度</strong>（Karras 等）。<strong>调度的影响机制</strong>——(a) <strong>训练</strong>——各时间步的'任务难度分布'变化（影响学习效率）；(b) <strong>采样</strong>——各步的'去噪幅度'变化（影响少步采样的质量）；(c) <strong>SNR 与'训练-推理不匹配'</strong>——若训练时最高噪声步的 ᾱ_T 不为 0，则推理从'纯噪声'出发时会遇到'未见过的 SNR'（导致质量下降）——这是 Zero Terminal SNR 要解决的问题。<strong>实践建议</strong>——(a) 默认用 <strong>cosine 或 scaled-linear</strong>；(b) 高分辨率/少步采样时尤其要注意调度；(c) 确保 <strong>ᾱ_T≈0</strong>（训练时最高噪声步接近纯噪声）；(d) 调度的选择需与'参数化（ε/v/x_0）'配合（见 v-prediction 题）。

深度剖析与工程权衡：① <strong>'SNR 曲线'是理解调度的钥匙</strong>——调度设计本质是'设计信噪比随时间的曲线'；linear 的问题在于曲线在中间陡降。② <strong>'高分辨率对调度更敏感'</strong>——因为高分辨率图像的'有效信息'更多、细节更丰富，故调度的不均匀性影响更大。③ <strong>'零终端 SNR'是重要改进</strong>——若 ᾱ_T>0（训练最高噪声步仍有信号），则推理从纯噪声出发时会遇到'训练未见过的 SNR'，导致'生成偏亮/偏暗'等问题；修正方法是强制 ᾱ_T=0（并调整参数化）。④ <strong>'调度与参数化的耦合'</strong>——不同参数化（ε/v/x_0）在不同 SNR 区间的'学习难度'不同；故调度与参数化需联合设计（如 v-prediction 配合'零终端 SNR'）。⑤ <strong>'调度影响少步采样'</strong>——少步采样（10~20 步）时，各步的'跨度'很大，故调度的均匀性更关键。⑥ <strong>面试要点</strong>——被问'噪声调度怎么选'，应给出'<strong>linear（β 线性，两端浪费、中间陡降）vs cosine（按 ᾱ_t 设计，SNR 更均匀，质量更好）</strong>'与'<strong>零终端 SNR 修正训练-推理不匹配</strong>'；能指出'调度本质是设计 SNR 曲线'是深度理解的标志。