扩散模型：Diffusion Model原理剖析

已于 2024-03-01 21:33:37 修改
阅读量934 收藏 25
点赞数 21
分类专栏： Diffusion Model 文章标签： 语言模型 人工智能
于 2024-01-20 14:11:13 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013308709/article/details/135705906
版权

Diffusion Model

Training

在这里插入图片描述

  • 第5行是唯一需要解释的地方， x 0 x_{0} x0​ 是干净的图片， ϵ θ \epsilon _{\theta } ϵθ​是前面说的Noise Predictor，它的输入包括加噪声之后的图像（红色框）以及时序 t t t ， ϵ \epsilon ϵ 是训练的target也就是添加的噪声。它其实与前面我们提到的一步步加噪的过程不一样，而是一次就可以了。
    在这里插入图片描述

Inference

在这里插入图片描述

最大似然估计

在这里插入图片描述
在这里插入图片描述

  • 倒数第二行增加了与θ无关的一项，使得能将式子合并；KL散度，用来衡量两个概率分布之间的差异，KL越大，分布差异越大。
    在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

前向加噪推导

在这里插入图片描述
在这里插入图片描述

  • 以此类推，从 x 0 x_{0} x0​
最低0.47元/天 解锁文章
WindyChanChan
关注
  • 21
    点赞
  • 踩
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
AIGC实战——扩散模型(Diffusion Model)
盼小辉丶的博客
02-26 3856
本节介绍了最近最先进的生成模型之一，扩散模型。介绍了去噪扩散概率模型 (Denoising Diffusion Probabilistic Model, DDPM)，并利用去噪扩散隐式模型 (Denoising Diffusion Implicit Model, DDIM) 的思想，使生成过程具备完全的确定性。扩散模型由前向扩散过程和逆扩散过程组成，前向扩散过程通过一系列小步骤向训练数据添加噪声，而逆扩散过程中模型的目标是预测添加的噪声。
IDDM：集成设计扩散模型
06-06
IDDM: 集成设计扩散模型 IDDM (Integrated Design Diffusion Model) 项目致力于探索和改进基于扩散模型的设计生成技术。该项目包含三个主要目标：模型复现: 重现现有的设计扩散模型，例如 DALL-E 2、Stable ...
DiffusionDet: Diffusion Model for Object Detection
明前大奏的博客
12-11 3131
2022-12-9-论文阅读-目标检测
扩散模型(Diffusion Model)基本原理及代码讲解
IT深耕十余载，大道之简
03-19 1660
扩散模型是一种强大的生成模型，它通过模拟扩散和去噪过程来生成数据。尽管上述代码框架非常简化，但它提供了扩散模型基本原理的一个概览。在实际应用中，需要根据具体任务和数据集来设计和训练扩散模型。
matlab美式看涨期权代码-jump-diffusion-model-for-option-pricing:欧美期权定价的跳跃扩散模型
06-08
matlab美式看炒菜代码跳跃扩散模型中的美国期权定价 2008年论文摘要 最近开发了许多替代模型来概括 Black-Scholes 期权定价模型，以便纳入更多的经验特征。 在这个 Black-Scholes 期权定价框架中使用了布朗运动和...
扩散模型+CV与NLP科研笔记
09-19
30. 从 Diffusion Model 到 score-based generative models 再到 Consistency Models 的介绍：这部分讲解了扩散模型、Score-Based Generative Models 和 Consistency Models 的关系和发展历程。 31. 基于 Logistic ...
Bass-Diffusion-model-for-short-life-cycle-products-sales-prediction
05-25
短寿命产品销售预测的巴斯夫扩散模型 巴斯产品扩散模型巴斯（1969）使用销售数据来评估新产品推出的市场影响。 它由一个简单的微分方程组成，描述了新产品在人群中的采用过程。 三个主要参数： p：调用系数 q：模仿...
基于代理的产品竞争模型：不同信息体制下的网络结构和共存-研究论文
05-19
本文分析了在不同信息体制下，社交网络的结构如何影响产品的扩散和竞争。 传播是根据特有采用阈值，本地网络效应以及先前采用者的信息传播广播和口口相传的结果建模的。 较高的社会凝聚力往往会降低一种产品垄断市场...
从GAN到WGAN（02/2）
gongdiwudu的专栏
06-14 1255
生成对抗网络 （GAN） 在许多生成任务中显示出巨大的效果，以复制现实世界的丰富内容，如图像、人类语言和音乐。它的灵感来自博弈论：两个模型，一个生成器和一个批评家，在相互竞争的同时使彼此更强大。然而，训练GAN模型是相当具有挑战性的，因为人们面临着训练不稳定或收敛失败等问题。在这里，我想解释一下生成对抗网络框架背后的数学原理，为什么很难训练，最后介绍一个旨在解决训练难点的GAN修改版本。
论文阅读笔记：DepGraph: Towards Any Structural Pruning
HollowKnightz的博客
06-15 1422
论文阅读笔记：DepGraph: Towards Any Structural Pruning
景芯SoC A72的时钟树分析
u011075954的专栏
06-13 883
innovus的ctslog中的Clock DAG信息可以报出来CTS主要运行步骤的关键信息，比如clustering，balancing做完后的clock tree的长度，clock tree上所用的buffer、inverter，icg cell数量，clock skew等信息。可以看到cell、sink的counts，也可以看到BUF、ICG的数量，接下来我们来看看景芯SoC A72 TOP的CLOCK ID和BUF个数的变化吧。先看下景芯SoC A72项目的cts latency变化过程。
人脸识别系统---人脸对比
2303_77278243的博客
06-14 824
def select_image(): #定义选择图片的函数#指明label_var不是一个局部变量也不是全局变量，而是外部函数s1的参数。这样，select_image函数就可以修改s1函数的参数#弹出选择文件的对话框，以及被选择文件的类型file_path = filedialog.askopenfilename(title="选择图片",filetypes=(("图片文件", "*.png;*.jpg;*.jpeg;*.bmp"),("所有文件", "*.*")))#如果选择了文件。
yolov10主要特点
yzf060109的专栏
06-14 844
以下是YOLOv10与其他模型的快速对比：YOLOv10-S：46.3 AP，2.49毫秒延迟YOLOv10-M：51.1 AP，4.74毫秒延迟YOLOv10-L：53.2 AP，7.28毫秒延迟YOLOv10-X：54.4 AP，10.70毫秒延迟这些改进使YOLOv10成为实时目标检测任务的首选，从自动驾驶到智能监控。与YOLOv9-C相比，YOLOv10-B（一个平衡的变体）延迟减少了46%，参数量减少了25%，同时保持了相同的性能水平。一对多分配：在训练过程中使用，以提供丰富的监督信号。
YesPMP探索Python在生活中的应用，助力提升开发效率
YesPMP20的博客
06-13 948
Python是一种简单易学、高效强大的编程语言，正变成越来越多人选择的热门技能。学习Python不仅可以提供更多就业机会，还能让自己在职场更加有竞争力，那可以去哪里拓展自己的技能呢？
随机森林算法详解
最新发布
甜盐的博客
06-19 566
随机森林（Random Forest）是一种集成学习方法，通过构建多个决策树并将它们的预测结果结合起来，来提高模型的准确性和稳定性。随机森林在分类和回归任务中都表现出色，广泛应用于各类机器学习问题。本文将详细介绍随机森林的原理、特点、优缺点、常见应用场景以及示例代码。
Windows10下安装GPU环境Cuda和Pytorch教程图解
weixin_40547993的博客
06-12 1440
在深度学习和高性能计算领域，利用GPU进行计算已经成为提升效率的关键手段。CUDA是NVIDIA推出的并行计算平台和编程模型，它使得开发者能够利用NVIDIA GPU的强大计算能力。同时，PyTorch作为一个广泛使用的深度学习框架，以其易用性和灵活的动态计算图受到了研究人员和开发者的青睐。为了在Windows10系统上充分利用GPU进行深度学习训练，需要正确安装和配置CUDA和PyTorch。
无监督学习：从理论到实践的全面指南
TechLead的专栏
06-19 575
本文深入讲解了无监督学习中的K-means、层次聚类、密度聚类、PCA、t-SNE和自编码器算法，涵盖其原理、数学基础、实现步骤及应用实例，并提供了详细的代码示例。
集成算法实验(Bagging策略)
weixin_50917576的博客
06-12 1100
Bagging：训练多个分类器取平均fx1/M∑m1M​fm​x全称： bootstrap aggregation（说白了就是训练一堆分类器）最典型的代表就是随机森林，现在Bagging模型基本上也是随机森林。随机：数据采样随机，；数据有多个特征(属性)组成，。随机是为了使得每个分类器拥有明显差异性。森林：很多个决策树并行放在一起如何对所有树选择最终结果？分类的话可以采取少数服从多数，回归的话可以采用取平均值。
diffusion model
09-23
diffusion model是一种用于模拟信息传播和扩散的数学模型。它可以用来分析在网络或社交媒体等平台上，信息如何从一个节点传播到其他节点，并最终影响整个网络的行为。diffusion model可以帮助我们理解病毒传播、谣言...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值