![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Diffusion Models 10 篇必读论文
文章平均质量分 91
wonderful_hdb
这个作者很懒,什么都没留下…
展开
-
Diffusion Models 10 篇必读论文(4)Classifier-Free Diffusion Guidance
经过 DDPM 和 DDIP 和 classifier-guided diffusion model 等技术的发展,diffusion model 生成的效果已经可以超越 GANs,称为一种生成模型的直流。尤其是 classifier-guided diffusion model 可以让生成图像的效果在多样性(FID)和真实度(IS)中权衡取舍。原创 2023-12-13 11:06:32 · 709 阅读 · 1 评论 -
Diffusion Models 10 篇必读论文(3)Classifier-guided Diffusion Model
目前生成模型有好几种,包括 GANs 和 likelihood-based models 等,目前在生成任务上,依然是 GANs 取得最好的效果,但 GANs 难以训练和扩展,限制了其应用。虽然 diffusion model 近几年有了大的发展,但在生成任务上,比较 GANs 还是略逊一筹。原创 2023-11-27 09:49:16 · 324 阅读 · 0 评论 -
Diffusion Models 10 篇必读论文(2)DDIM
DDMP 中把正向扩散和逆扩散以及生成(采样)过程都看成是一个马尔科夫链,每一步扩散都与上一步产生的数据有关。因为是在近似拟扩散过程,所以每一步的扩散率必须要取值很小,故扩散步数取值必须要大(比如T=1000),而导致模型执行耗时过大。DDIM则通过观察优化目标中的特性,在满足和DDPM 同样的边缘分布下,提出了非马尔科夫过程来进行生成(采样),从而大幅度加速了模型,并且还具有生成一致性。原创 2023-10-19 23:57:41 · 304 阅读 · 0 评论 -
Diffusion Models 10 篇必读论文(1)DDPM
前一篇介绍了 diffusion model 的设计灵感和主要的思想。这篇沿用了之前的想法,用一个马尔科夫链来构成一个生成模型,训练是是把原始分布逐步扩散到一个噪声分布,然后学习其逆扩散的过程。不同的是此处把模型的逆扩散过程更加形象地看成是去噪过程(DDPM),并优化了训练目标,使得训练和生成过程更加清晰简洁,后面很多论文都是基于这篇论文优化发展的。原创 2023-09-24 22:56:33 · 579 阅读 · 1 评论 -
Diffusion Models 10 篇必读论文(0)DPM
Diffusion Models 是近期人工智能领域最火的方向,也衍生了很多实用的技术。最近开始整理了几篇相关的经典论文,加上一些自己的理解和公式推导,分享出来和大家一起学习,欢迎讨论:702864842(QQ),https://github.com/Huangdebo原创 2023-09-18 09:54:22 · 212 阅读 · 0 评论