扩散模型把时间结构写进加噪过程：DSSD在气象与机器人视频上降低预测误差
时空预测的扩散模型通常给每个未来帧加独立噪声，把时间相关性全部交给去噪网络学习。DSSD改为用可学习的对角状态空间模型构造加噪过程本身的时间算子，其衰减率与频率与去噪器联合训练，并用该模型平稳协方差的Cholesky因子保证算子因果、可逆且每帧噪声方差不变。在SEVIR、Turbulence、BAIR、RoboNet四个数据集上，它与共享同一去噪器的扩散基线比较取得更低的概率预测误差，其中SEVIR原始CRPS为3.975、最强基线DPM为4.174。