All the articles I've archived.
从积分平均速度、轨迹低维性和轻量蒸馏推导 AMED 的低步数采样方法。
从后验不确定性推导 Analytic-DPM 与条件反向方差。
将 ReFlow 的数据端预测改写为相邻时间一致性，梳理训练、采样与蒸馏。
沿格林函数、条件轨迹和速度回归三条路径梳理扩散 ODE 的一般构造。
从噪声的全空间支撑与图像的低维流形解释数据预测在像素扩散中的优势。
从有限噪声码本和条件引导推导 DDCM 的离散编码与重建过程。
从逐步加噪、反向重建和降低方差三个环节梳理 DDPM 的核心推导。
从联合分布、条件后验和边缘一致性推导 DDPM 与 DDIM。
从条件 score 推导 Classifier Guidance 与 Classifier-Free Guidance。
从概率守恒推到热方程，并得到可训练、可逆向采样的确定性扩散流。
从密度比梯度流与 Rectified Flow 两条路线解释 GAN 的交替训练和 WGAN-GP 形式。
从下采样后的噪声方差推导高分辨率扩散的训练与免训练放大方法。
从瞬时速度与区间平均速度的恒等关系推导 MeanFlow 的单步生成目标。
从多源引力场、升维消除模式坍缩和场线 ODE 梳理 PFGM 的构造。
从学生分布的得分匹配推导 SiD 损失，并解释恒等变换与权重选择。
推导边缘 Score 的条件期望恒等式，并区分总体目标等价与有限样本估计差异。
从反向 SDE、得分匹配和 Fokker–Planck 方程推导概率流 ODE。
从两小步等于一大步的自洽关系推导 Shortcut Model 的训练目标。
从 U-Net 跳连的恒等偏置解释 Skip Tuning 如何改善少步扩散采样。
从统一反向分解出发，串起热扩散、冷扩散、离散编辑与可学习编码器。
用可采样破坏过程与边缘一致性组织统一扩散模型框架。
从耦合轨迹的稳定性出发，理解扩散模型损失为何能上界生成分布的 Wasserstein 距离。
DDPM 正向加噪、反向去噪与训练目标的公式笔记。
VAE、ELBO 与重参数化技巧的基础回顾。
面向实战使用者的 Diffusion、Flow Matching 与采样路径速查笔记。
补色关系、RGB 通道曲线、HSL 与常见调色判断的速查笔记。
曝光、测光、对焦、白平衡、闪光灯、器材与基础用光的整理笔记。