扩散模型相较其他生成模型性能更优的核心原因探究

变分模型、基于归一化流的模型、对抗模型和扩散模型一样，均以概率理论为支撑，但除计算复杂度外，扩散模型逐渐成为生成模型的主流范式。

现有文献大多通过基准结果讨论扩散模型的优劣及优势程度，却鲜少从理论层面分析其特性为何能带来性能飞跃——也就是背后的核心原因。

例如，GAN存在模式崩溃这一固有问题，但目前缺乏从理论角度探讨“为何其他模型不受该问题影响”的跨模型统一分析（现有研究多聚焦于在对抗框架内缓解该问题）。

我希望获取相关文献或讨论，以了解扩散模型规避或解决的其他模型存在的问题，要求无需基准结果佐证，而是通过理论分析（即使非严格数学证明），比如说明扩散模型中某随机变量的方差受常数约束，而其他模型中该方差无界这类分析逻辑。

内容的提问来源于stack exchange，提问作者Clément Dato