Machine learningDeep Learning, Generative Models
نماذج الانتشار الكامن
نماذج الانتشار الكامن (LDMs) هي نهج توليدي قدمه رومباخ وآخرون في عام 2022، والذي ينفذ عملية الانتشار في مساحة كامنة مضغوطة بدلاً من مساحة البكسل، مما يتيح توليد صور عالية الدقة بكفاءة. من خلال ضغط الصور إلى تمثيل كامن منخفض الأبعاد باستخدام مشفر تلقائي متغير، يصبح الانتشار قابلاً للحساب مع الحفاظ على الجودة المرئية.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Rombach, R., Blattmann, A., Lorenz, D., Esser, P., & Ommer, B. (2022). High-resolution image synthesis with latent diffusion models. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 10684-10695). DOI: 10.1109/CVPR52688.2022.01042 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/ar/deep-learning/latent-diffusion-models
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DETR (كاشف المحولات)التعلم العميق↔ compare
- GraphRAGالتعلم العميق↔ compare
- المشفرات التلقائية المقنعةالتعلم العميق↔ compare
- نموذج تجزئة أي شيءالتعلم العميق↔ compare