💬 NLP

A Tutorial on Diffusion Theory: From Differential Equations to Diffusion Models

यह ट्यूटोरियल अवकल समीकरणों (differential equations) से उनके फॉरवर्ड और रिवर्स डायनेमिक्स को व्युत्पन्न करके डिफ्यूजन मॉडल्स के लिए एक एकीकृत ढांचा प्रदान करता है, मानक प्रशिक्षण उद्देश्यों और स्कोर मैचिंग के बीच समानता को प्रदर्शित करता है, और DDPM, DDIM और गाइडेड जनरेशन जैसे विभिन्न सैंपलिंग तरीकों के बीच सैद्धांतिक संबंधों को स्पष्ट करता है।

मूल लेखक: Jiayi Fu, Yuxia Wang

प्रकाशित 2026-05-22

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jiayi Fu, Yuxia Wang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास एक बिल्ली की एक सुंदर, उच्च-रिज़ॉल्यूशन वाली तस्वीर है। अब, कल्पना कीजिए कि आप एक पुराने टीवी पर धीरे-धीरे स्टैटिक (static) को बढ़ा रहे हैं जब तक कि वह तस्वीर पूरी तरह से सफेद शोर (white noise) के समुद्र में खो न जाए। यह फॉरवर्ड प्रोसेस (Forward Process) है।

अब, कल्पना कीजिए कि आपके पास एक सुपर-स्मार्ट जासूस है जो उस स्टैटिक को देख सकता है और कह सकता है, "यदि मैं इस विशिष्ट स्थान से थोड़ा सा शोर हटा दूँ, तो बिल्ली का कान झाँकने लगेगा।" यदि यह जासूस इस प्रक्रिया को बार-बार, चरण-दर-चरण कर सकता है, तो वह स्टैटिक को वापस एक स्पष्ट तस्वीर में बदल सकता है। यह रिवर्स प्रोसेस (Reverse Process) है, और इसी तरह डिफ्यूजन मॉडल (Diffusion Models) छवियां तैयार करते हैं।

जियाई फू और युक्सिया वांग का यह शोध पत्र मूल रूप से डिफरेंशियल इक्वेशंस (differential equations) (वह गणित जो यह बताता है कि चीजें समय के साथ कैसे बदलती हैं) की भाषा में लिखा गया एक "यूजर मैनुअल" है। यह कई अलग-अलग तरीकों को जो एकता प्रदान करता है जिनसे वैज्ञानिक इन मॉडलों के बारे में सोच रहे थे।

यहाँ उनके विवरण का सरल उपमाओं (analogies) का उपयोग करके ब्रेकडाउन दिया गया है:

1. यात्रा का वर्णन करने के दो तरीके (ODE बनाम SDE)

शोध पत्र कहता है कि एक स्पष्ट छवि को शोर में बदलने (और वापस) की प्रक्रिया को दो अलग-अलग गणितीय भाषाओं में वर्णित किया जा सकता है:

स्टोकेस्टिक पथ (The Stochastic Path - SDE): इसे एक ऐसे यात्री के रूप में सोचें जो धुंधले जंगल में चल रहा है। उसके पास एक नक्शा है (जिस दिशा में उसे जाना चाहिए), लेकिन हवा (रैंडम शोर) उसे रास्ते से थोड़ा भटका देती है। हर कदम एक नियोजित दिशा और एक रैंडम झोंके का मिश्रण है। यह स्टोकेस्टिक डिफरेंशियल इक्वेशन (SDE) है।
डिटरमिनिस्टिक पथ (The Deterministic Path - ODE): अब, उसी यात्री की कल्पना करें, लेकिन इस बार हवा पूरी तरह से अनुमानित है, या वे एक विशाल, चिकने कन्वेयर बेल्ट पर चल रहे हैं जो उन्हें बिना किसी रैंडमनेस के ठीक वहीं ले जाता है जहाँ उन्हें जाना चाहिए। यह ऑर्डिनरी डिफरेंशियल इक्वेशन (ODE) है।

बड़ी अंतर्दृष्टि: शोध पत्र यह सिद्ध करता है कि भले ही ये दो पथ अलग दिखते हों (एक डगमगाता हुआ, दूसरा चिकना), वे दोनों एक ही स्थान (एक स्पष्ट छवि) से शुरू होते हैं और एक ही स्थान (शुद्ध शोर) पर समाप्त होते हैं। इससे भी महत्वपूर्ण बात यह है कि वे किसी भी क्षण में एक ही "डेंसिटी मैप" (density map) का पालन करते हैं। आप अंतिम परिणाम को बदले बिना डगमगाते पथ और चिकने पथ के बीच स्विच कर सकते हैं।

2. "स्कोर" (जासूस की सहज बुद्धि)

जासूस को कैसे पता चलता है कि किस दिशा में जाना है? वे स्कोर (Score) का उपयोग करते हैं।

गणित में, "स्कोर" केवल प्रायिकता (probability) का ग्रेडिएंट है। सरल शब्दों में, इसे एक ढलान (slope) के रूप में सोचें।

यदि आप एक पहाड़ी पर खड़े हैं, तो ढलान आपको बताती है कि "ऊपर" (जहाँ डेटा है) जाने का रास्ता कौन सा है और "नीचे" (जहाँ शोर है) जाने का रास्ता कौन सा है।
मॉडल का काम इस ढलान को सीखना है। यह एक शोर वाली छवि को देखकर सीखता है कि, "असली छवि की ओर जाने वाली 'ऊपर' की दिशा यह है।"

शोध पत्र दिखाता है कि इन मॉडलों को प्रशिक्षित करने का मानक तरीका (उनसे उस शोर का अनुमान लगाने के लिए कहना जो जोड़ा गया था) गणितीय रूप से इस "ढलान" या स्कोर को सीखने के समान है। यह एक छात्र को गणित का सवाल हल करना सिखाने जैसा है, जिसमें उन्हें सीधे फॉर्मूला बताने के बजाय उत्तर खोजने के लिए कहा जाता है। शोध पत्र सिद्ध करता है कि ये दोनों शिक्षण विधियाँ वास्तव में एक ही हैं।

3. प्रशिक्षण: शोर को हटाना सीखना (Learning to Denoise)

शोध पत्र समझाता है कि हमें मॉडल को सीधे "ढलान" के जटिल गणित को सिखाने की आवश्यकता नहीं है। इसके बजाय, हम इसे बस एक शोर वाली तस्वीर दिखा सकते हैं और पूछ सकते हैं, "हमने जो शोर जोड़ा था वह क्या था?"

यदि मॉडल शोर का सटीक अनुमान लगाने में सक्षम है, तो वह स्वचालित रूप से ढलान को सीख जाता है।
एक बार जब वह ढलान को जान लेता है, तो वह प्रक्रिया को उल्टा कर सकता है: शुद्ध शोर से शुरू करें और एक नई, वास्तविक छवि बनाने के लिए "ऊपर" की ओर चलें।

4. विभिन्न "चलने वाले" (DDPM, DDIM, DPM-Solver)

यह शोध पत्र उन कई प्रसिद्ध एल्गोरिदम को एकीकृत करता है जिनका उपयोग लोग छवियां उत्पन्न करने के लिए करते हैं। यह बताता है कि वे सभी उस "ढलान" के साथ कदम उठाने के अलग-अलग तरीके हैं:

DDPM (सावधान यात्री): यह विधि छोटे, सतर्क कदम उठाती है। यह हर चरण में थोड़ा सा रैंडमनेस जोड़ती है (SDE की तरह)। यह सटीक है लेकिन धीमी है।
DDIM (चिकना स्लाइडर): यह विधि रैंडम हवा को नजरअंदाज करती है और केवल चिकने कन्वेयर बेल्ट का अनुसरण करती है (ODE)। यह बहुत तेज़ है क्योंकि यह रैंडम झोंकों के प्रति प्रतिक्रिया करने में समय बर्बाद नहीं करती है, लेकिन इसके लिए एक बहुत अच्छे नक्शे (एक अच्छी तरह से प्रशिक्षित मॉडल) की आवश्यकता होती है।
DPM-Solver (एक्सप्रेस एलीवेटर): यह एक फैंसी नया तरीका है जो छोटे कदमों के बजाय पहाड़ी पर बड़े, कुशल छलांग लगाने के लिए गणितीय ट्रिक्स का उपयोग करता है। यह रिकॉर्ड समय में शीर्ष (अंतिम छवि) तक पहुँच जाता है।

शोध पत्र दिखाता है कि DDPM अनिवार्य रूप से डगमगाते पथ (SDE) का एक डिस्क्रीट संस्करण है, और DDIM चिकने पथ (ODE) का एक डिस्क्रीट संस्करण है। वे एक ही सिक्के के दो पहलू हैं।

5. प्रक्रिया को निर्देशित करना (Classifier Guidance)

कभी-कभी आप केवल एक बिल्ली नहीं चाहते; आप एक काली बिल्ली चाहते हैं। आप जासूस को कैसे निर्देशित करते हैं?

क्लासिफायर गाइडेंस (Classifier Guidance): आप एक दूसरा विशेषज्ञ लाते हैं (एक क्लासिफायर) जो चिल्लाता है, "अधिक काला! कम सफेद!" जासूस छवि के ढलान और विशेषज्ञ की पुकार दोनों को सुनता है, और एक काली बिल्ली बनाने के लिए अपने पथ को समायोजित करता है।
क्लासिफायर-फ्री गाइडेंस (Classifier-Free Guidance): दूसरे विशेषज्ञ को काम पर रखने के बजाय, आप मुख्य जासूस को इस तरह प्रशिक्षित करते हैं कि वह कह सके "मुझे नहीं पता कि आप क्या चाहते हैं" (कोई स्थिति नहीं) और "मुझे पता है कि आप एक काली बिल्ली चाहते हैं" (स्थिति)। जनरेशन के दौरान, वे परिणाम को निर्देशित करने के लिए इन दोनों उत्तरों को मिलाते हैं। शोध पत्र समझाता है कि यह "मिक्सिंग" इतनी अच्छी तरह से क्यों काम करती है।

6. महान एकीकरण: फ्लो मैचिंग (Flow Matching)

अंत में, यह शोध पत्र डिफ्यूजन मॉडल्स को एक नए क्षेत्र, फ्लो मैचिंग (Flow Matching) से जोड़ता है।

फ्लो मैचिंग शोर के बादल से डेटा के बादल तक एक सीधी रेखा खींचने जैसा है।
डिफ्यूजन एक घुमावदार नदी के पथ जैसा है।

शोध पत्र सिद्ध करता है कि भले ही वे अलग दिखते हों, यदि आप उन्हें एक ही तरह से प्रशिक्षित करते हैं (शोर/स्कोर का अनुमान लगाना), तो वे अंततः एक ही यात्रा का वर्णन करते हैं। "नॉइज़ प्रेडिक्शन" लॉस फंक्शन वास्तव में एक "फ्लो मैचिंग" लॉस फंक्शन है जो छिपा हुआ है। यह महसूस करने जैसा है कि चाहे आप कार चलाएं या साइकिल चलाएं, यदि आप एक ही GPS निर्देशांकों का पालन करते हैं, तो आप एक ही गंतव्य पर पहुँचते हैं।

सारांश

यह शोध पत्र एक सेतु (bridge) है। यह विभिन्न डिफ्यूजन एल्गोरिदम (DDPM, DDIM, Flow Matching) की अव्यवस्थित, जटिल दुनिया को लेता है और दिखाता है कि वे सभी एक ही डिफरेंशियल इक्वेशन को हल करने के अलग-अलग तरीके हैं।

फॉरवर्ड: डेटा को शोर में बदलना (आसान)।
रिवर्स: शोर को डेटा में बदलना (कठिन)।
रहस्य: शोर का अनुमान लगाकर "ढलान" (स्कोर) को सीखना।
परिणाम: चाहे आप एक डगमगाती छड़ी (SDE) के साथ चलें या एक चिकनी रेल (ODE) पर फिसलें, यदि आप ढलान का अनुसरण करते हैं, तो आप सुंदर छवियां बनाएंगे।

तकनीकी सारांश: डिफ्यूजन थ्योरी पर एक ट्यूटोरियल: डिफरेंशियल इक्वेशन्स से डिफ्यूजन मॉडल्स तक

समस्या विवरण

डिफ्यूजन मॉडल्स जनरेटिव मॉडलिंग में एक प्रमुख प्रतिमान (paradigm) के रूप में उभरे हैं, फिर भी यह क्षेत्र विभिन्न स्वरूपों (formulations) की अधिकता से ग्रस्त है: डिस्क्रीट मार्कोव चेन्स (DDPM), निरंतर स्टोकेस्टिक डिफरेंशियल इक्वेशन्स (SDEs), प्रोबेबिलिटी-फ्लो ऑर्डिनरी इक्वेशन्स (ODEs), स्कोर मैचिंग, और फ्लो मैचिंग। हालांकि ये दृष्टिकोण आपस में संबंधित ज्ञात हैं, लेकिन इनके बीच सटीक गणितीय पत्राचार—विशेष रूप से उनके प्रशिक्षण उद्देश्यों (training objectives), रिवर्स-टाइम डायनेमिक्स और सैंपलिंग प्रक्रियाओं के संबंध में—अक्सर भिन्न नोटेशन और डिस्क्रीट-बनाम-कंटीन्यूअस परिप्रेक्ष्यों के कारण अस्पष्ट रहते हैं। यह ट्यूटोरियल इन दृष्टिकोणों को डिफरेंशियल इक्वेशन्स के दृष्टिकोण से सख्ती से व्युत्पन्न करके एकीकृत करने का लक्ष्य रखता है, जिससे कंडीशनल गॉसियन प्रोसेस, मार्जिनलाइज्ड फॉरवर्ड डायनेमिक्स और उनके संगत रिवर्स-टाइम फॉर्मुलेशन के बीच एक कठोर सेतु स्थापित किया जा सके।

कार्यप्रणाली (Methodology)

यह शोध पत्र स्टोकेस्टिक कैलकुलस और पार्शियल डिफरेंशियल इक्वेशन्स के मूल सिद्धांतों पर आधारित एक कठोर गणितीय ढांचे को अपनाता है ताकि डिफ्यूजन मॉडल्स के सिद्धांत का पुनर्निर्माण किया जा सके। कार्यप्रणाली निम्नलिखित तार्किक चरणों के माध्यम से आगे बढ़ती है:

कंडीशनल फॉरवर्ड प्रोसेस: लेखक $\alpha_t$ और $\sigma_t$ द्वारा नियंत्रित एक कंडीशनल गॉसियन फॉरवर्ड प्रोसेस $X_t | X_0 = x_0$ को परिभाषित करके शुरुआत करते हैं। वे प्रदर्शित करते हैं कि यह विशिष्ट पथ दो समकक्ष निरूपणों को स्वीकार करता है:
- एक कंडीशनल ODE, जो कंडीशनल स्कोर से प्राप्त वेलोसिटी फील्ड द्वारा संचालित होता है।
- एक कंडीशनल SDE, जो ड्रिफ्ट टर्म और ब्राउनियन मोशन द्वारा संचालित होता है।
  पेपर सिद्ध करता है कि कंडीशनल डेंसिटी (घनत्व) निरंतरता समीकरण (continuity equation - ODE के लिए) और फॉकर-प्लांक समीकरण (Fokker–Planck equation - SDE के लिए) दोनों का पालन करती है।
मार्जिनलाइजेशन (Marginalization): डेटा वितरण $p_0$ पर कंडीशनल प्रोसेस को औसत (average) करके, लेखक मार्जिनलाइज्ड फॉरवर्ड प्रोसेस को व्युत्पन्न करते हैं। वे दिखाते हैं कि मार्जिनल डेंसिटी $p_t(x)$ भी एक निरंतरता समीकरण और एक फॉकर-प्लांक समीकरण का पालन करती है। महत्वपूर्ण रूप से, वे फिशर की पहचान (Fisher's Identity) का उपयोग करके मार्जिनल स्कोर $\nabla \log p_t(x)$ को कंडीशनल स्कोर के प्रत्याशा (expectation) से जोड़ते हैं, जिससे यह स्थापित होता है कि मार्जिनल वेलोसिटी फील्ड, कंडीशनल वेलोसिटी फील्ड की प्रत्याशा है।
रिवर्स डायनेमिक्स (Reverse Dynamics): पेपर रिवर्स-टाइम वेरिएबल $\tau = 1-t$ पेश करता है और रिवर्स-टाइम डायनेमिक्स को व्युत्पन्न करता है।
- रिवर्स SDE: फॉरवर्ड SDE के टाइम-रिवर्ज़ल का उपयोग करते हुए, लेखक रिवर्स SDE को व्युत्पन्न करते हैं, जो मार्जिनल स्कोर $\nabla \log p_t(x)$ द्वारा संचालित होता है।
- रिवर्स ODE (प्रोबेबिलिटी-फ्लो): वे एक नियत (deterministic) ODE व्युत्पन्न करते हैं जो समान मार्जिनल डेंसिटी पथ साझा करता है। यह "प्रोबेबिलिटी-फ्लो ODE" दर्शाता है कि इसका वेलोसिटी फील्ड स्कोर का एक एफ़ाइन ट्रांसफॉर्मेशन (affine transformation) है।
प्रशिक्षण उद्देश्य (Training Objectives): ट्यूटोरियल व्यवहार में उपयोग किए जाने वाले मानक नॉइज़-प्रेडिक्शन ऑब्जेक्टिव को सैद्धांतिक स्कोर-मैचिंग ऑब्जेक्टिव से जोड़ता है। एक ऑर्थोगोनैलिटी आइडेंटिटी का उपयोग करते हुए, लेखक सिद्ध करते हैं कि न्यूरल नेटवर्क के नॉइज़ प्रेडिक्शन और वास्तविक नॉइज़ के बीच अपेक्षित वर्ग त्रुटि (expected squared error) को कम करना, स्कोर-मैचिंग लॉस को कम करने के बराबर है। यह स्थापित करता है कि मानक प्रशिक्षण उद्देश्य उस मार्जिनल स्कोर को सीखता है जो रिवर्स SDE और रिवर्स ODE दोनों के लिए आवश्यक है।
सैंपलिंग और एकीकरण: पेपर रिवर्स SDE (Euler–Maruyama) और रिवर्स ODE (Euler, Heun, और DPM-Solver) दोनों के लिए सैंपलिंग एल्गोरिदम का विवरण देता है। अंत में, यह डिस्क्रीट DDPM और DDIM एल्गोरिदम को स्पष्ट रूप से इस निरंतर ढांचे पर मैप करता है:
- DDPM को रिवर्स SDE के एक डिस्क्रीट एप्रोक्सिमेशन के रूप में दिखाया गया है, जहाँ स्टोकेस्टिक टर्म डिस्क्रीट चेन के सटीक पोस्टीरियर वेरिएंस का उपयोग करता है।
- DDIM को रिवर्स ODE (नियतात्मक) के एक डिस्क्रीट एप्रोक्सिमेशन के रूप में दिखाया गया है, जिसमें $\eta$ पैरामीटर दो स्थितियों के बीच इंटरपोलेशन की अनुमति देता है।
गाइडेंस और फ्लो मैचिंग: ढांचे को क्लासिफायर गाइडेंस और क्लासिफायर-फ्री गाइडेंस को शामिल करने के लिए विस्तारित किया गया है, जो यह दिखाते हैं कि वे रिवर्स ड्रिफ्ट को कैसे संशोधित करते हैं। इसके अलावा, यह स्कोर मैचिंग और फ्लो मैचिंग को एकीकृत करता है, यह प्रदर्शित करते हुए कि मानक डिफ्यूजन लॉस को प्रेरित प्रोबेबिलिटी-फ्लो ODE के लिए एक वेटेड फ्लो-मैचिंग ऑब्जेक्टिव के रूप में व्याख्यायित किया जा सकता है।

मुख्य योगदान

एकीकृत व्युत्पत्ति (Unified Derivation): पेपर एक एकल, सुसंगत व्युत्पत्ति प्रदान करता है जो दिखाता है कि कंडीशनल गॉसियन फॉरवर्ड पथ दोनों ODE और SDE निरूपणों को स्वीकार करता है, और इस पथ को मार्जिनलाइज करने से सुसंगत मार्जिनल ODE और SDE फॉर्मुलेशन प्राप्त होते हैं।
उद्देश्यों की समानता: यह सख्ती से सिद्ध करता है कि मानक नॉइज़-प्रेडिक्शन लॉस, स्कोर-मैचिंग लॉस के समान है, और यह भी प्रदर्शित करता है कि यही लॉस एक फ्लो-मैचिंग ऑब्जेक्टिव को प्रेरित करता है।
DDPM/DDIM एकीकरण: यह कार्य डिस्क्रीट DDPM और DDIM एल्गोरिदम को क्रमशः निरंतर रिवर्स SDE और रिवर्स ODE ढांचों से स्पष्ट रूप से जोड़ता है। यह स्पष्ट करता है कि DDPM सैंपलिंग, रिवर्स SDE का एक फर्स्ट-ऑर्डर डिस्क्रीटाइजेशन है, जबकि DDIM रिवर्स ODE का डिस्क्रीटाइजेशन है।
नॉइज़ टर्मों का स्पष्टीकरण: परिशिष्ट (Appendix) तीन अलग-अलग नॉइज़ प्रतीकों ( $W_t$ , $W^{rev}_\tau$ , $\bar{W}_t$ ) का विस्तृत स्पष्टीकरण प्रदान करता है, जो टाइम-रिवर्ज़ेड सेटिंग्स में ब्राउनियन मोशन के संबंध में सामान्य नोटेशनल भ्रम को दूर करता है।
गाइडेंस का सामान्यीकरण: ट्यूटोरियल क्लासिफायर और क्लासिफायर-फ्री गाइडेंस दोनों को रिवर्स SDE/ODE ढांचे के भीतर औपचारिक रूप देता है, यह दिखाते हुए कि वे कंडीशनल स्कोर के माध्यम से ड्रिफ्ट टर्म को कैसे संशोधित करते हैं।

परिणाम

पेपर नए अनुभवजन्य (empirical) परिणाम या प्रायोगिक बेंचमार्क प्रस्तुत नहीं करता है। इसके बजाय, इसके "परिणाम" सैद्धांतिक व्युत्पन्न और प्रमाण हैं:

थ्योरम 1.2 और 1.4: प्रमाण कि कंडीशनल गॉसियन पथ एक विशिष्ट ODE और SDE दोनों द्वारा उत्पन्न होता है।
थ्योरम 2.1 और 2.2: प्रमाण कि मार्जिनलाइज्ड प्रोसेस को मार्जिनल ODE और SDE फॉर्मुलेशन द्वारा उत्पन्न किया जाता है।
थ्योरम 3.3 और 3.5: रिवर्स SDE और रिवर्स प्रोबेबिलिटी-फ्लो ODE का व्युत्पन्न, जो सिद्ध करता है कि वे समान डेंसिटी पथ साझा करते हैं।
थ्योरम 4.2: नॉइज़-प्रेडिक्शन लॉस और स्कोर-मैचिंग लॉस के बीच समानता का प्रमाण।
थ्योरम 7.6 और 7.7: प्रदर्शन कि DDPM ट्रेनिंग और इन्फरेंस, डिस्क्रीट ग्रिड पर रिवर्स SDE फ्रेमवर्क के अनुरूप हैं।
थ्योरम 7.8: प्रदर्शन कि नियत (deterministic) DDIM, रिवर्स ODE फ्रेमवर्क के अनुरूप है।
प्रपोजिशन 8.1: प्रमाण कि डिफ्यूजन लॉस, रिवर्स ODE वेलोसिटी के लिए एक वेटेड फ्लो-मैचिंग ऑब्जेक्टिव है।

महत्व और दावे

यह पेपर स्वयं को एक ट्यूटोरियल के रूप में प्रस्तुत करता है जिसका उद्देश्य आधुनिक डिफ्यूजन मॉडल्स के सैद्धांतिक आधार को स्पष्ट करना है। इसका महत्व निम्नलिखित में निहित है:

डिस्क्रीट और कंटीन्यूअस के बीच सेतु बनाना: यह डिस्क्रीट मार्कोव चेन फॉर्मुलेशन (DDPM) और निरंतर SDE/ODE फॉर्मुलेशन (Song et al., 2020; Lipman et al., 2023) के बीच के अंतर को हल करता है, यह दिखाते हुए कि वे एक ही अंतर्निहित निरंतर डायनेमिक्स के अलग-अलग डिस्क्रीटाइजेशन हैं।
परिप्रेक्ष्यों का एकीकरण: यह "स्कोर-आधारित" परिप्रेक्ष्य (सीखना $\nabla \log p_t$ ) को "फ्लो-आधारित" परिप्रेक्ष्य (सीखना वेलोसिटी फील्ड $v_t$ ) के साथ एकीकृत करता है, यह दिखाते हुए कि डिफ्यूजन सेटिंग में, ये एक सरल एफ़ाइन ट्रांसफॉर्मेशन द्वारा जुड़े हुए हैं।
शैक्षणिक कठोरता (Pedagogical Rigor): प्रत्येक चरण को प्रथम सिद्धांतों (कंडीशनल गॉसियन कर्नेल, फॉकर-प्लांक समीकरण, इटो कैलकुलस) से व्युत्पन्न करके, यह पेपर एक स्व-निहित संदर्भ प्रदान करता है जो जनरेटिव मॉडलिंग के विभिन्न उप-क्षेत्रों में पाए जाने वाले नोटेशनल विसंगतियों से बचता है।

लेखक दावा करते हैं कि यह ढांचा डिफ्यूजन मॉडल्स, फ्लो मैचिंग और स्कोर मैचिंग को समझने के लिए एक "एकल भाषा" प्रदान करता है, जिससे शोधकर्ता यह देख सकते हैं कि रिवर्स SDE स्टोकेस्टिक जनरेटिव मॉडल है, जबकि रिवर्स ODE नियत फ्लो मॉडल है, और दोनों ही एक ही सीखे गए स्कोर फंक्शन द्वारा संचालित होते हैं।