图解 Stable Diffusion 原理

Jay Alammar 用 6 张图讲解 Stable Diffusion 的核心组件与扩散过程：文本经 ClipText 编码器转为 token 嵌入，UNet+调度器在潜在空间逐步去噪，最后由 Autoencoder 解码器生成像素图像。文章说明扩散模型通过加噪训练预测噪声，并介绍如何将文本条件注入 UNet 的注意力层以实现文本控制生成。