概率扩散模型DDPM与分数扩散模型SMLD的区别与联系

wassing

|

AI技术,学术

|

2024-4-24 20:13

|

526

|

0

概率扩散模型DDPM与分数扩散模型SMLD的区别与联系

先说结论：两者都属于扩散生成模型，即以堆数据增加扰动为手段，通过神经网络对加噪后的数据进行建模并最终学习到目标数据分布

分数扩散模型

fig:

概率扩散模型

fig:

fig:

在SDE中，DDPM的采样方法称之为祖先采样，即利用前一次采样结果的分布数据来生成这一次的采样结果

SDE可以同时刻画SMLD和DDPM

fig:

暂无评论

发送评论编辑评论

Markdown

悄悄话

|´・ω・)ノ

ヾ(≧∇≦*)ゝ

(☆ω☆)

（╯‵□′）╯︵┴─┴

￣﹃￣

(/ω＼)

∠( ᐛ 」∠)＿

(๑•̀ㅁ•́ฅ)

→_→

୧(๑•̀⌄•́๑)૭

٩(ˊᗜˋ*)و

(ノ°ο°)ノ

(´இ皿இ｀)

⌇●﹏●⌇

(ฅ´ω`ฅ)

(╯°A°)╯︵○○○

φ(￣∇￣o)

ヾ(´･･｀｡)ノ"

( ง ᵒ̌皿ᵒ̌)ง⁼³₌₃

(ó﹏ò｡)

Σ(っ °Д °;)っ

( ,,´･ω･)ﾉ"(´っω･｀｡)

╮(╯▽╰)╭

o(*////▽////*)q

＞﹏＜

( ๑´•ω•) "(ㆆᴗㆆ)

颜文字

Emoji

小恐龙

花!