生成模型
文章平均质量分 95
alstonlou
这个作者很懒,什么都没留下…
展开
-
生成模型概述
生成模型是深度学习领域的一类模型,它们的目标是学习如何生成数据的分布,从而能够生成新的、与真实数据类似的样本。以下是一些主要的生成模型:生成对抗网络(GANs):GAN由两个部分组成:生成器(生成新数据)和判别器(区分真实数据和生成的数据)。这两部分在训练过程中相互竞争,提高彼此的性能。应用:图像生成、艺术创作、数据增强、风格迁移等。自回归模型(Autoregressive Models):如Transformer在自然语言处理领域的应用。这些模型预测序列中的下一个元素,基于前面的元素。原创 2024-03-23 16:22:49 · 1441 阅读 · 0 评论 -
sora相关技术,看这一篇就够了
中的编码器模块编码成低维的空间向量表示,经Patches网络,将其中的向量分割为指定大小的模块(例如:16*16*16),并将时空模块通过SD模型进行扩散学习,将经过学习后的数据通过多层的以U-net为backbone的transformer网络恢复成原有大小模块,合并后得到需要的向量表示,最后逆向通过VAE解码器将向量表示输出成指定格式和时长的视频。这个等式的右边又称为。虚线代表的是对后验分布。视频压缩网络的压缩率是多少,Encoder中的复杂度是具体怎么设置的,时空patches中排布的方法等。原创 2024-03-22 08:45:54 · 1463 阅读 · 0 评论