Machine learning

Difuzní model

Difuzní model je generativní metoda hlubokého učení, představená Ho, Jainem a Abbeelem v roce 2020 (DDPM), která se učí produkovat vysoce kvalitní obrazy, zvuk a molekulární struktury reverzací postupného procesu zašumění. Do značné míry nahradila GANy jako současný stav techniky v generativním modelování.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Zdroje

  1. Ho, J., Jain, A. & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. NeurIPS. link
  2. Rombach, R., Blattmann, A., Lorenz, D., Esser, P. & Ommer, B. (2022). High-Resolution Image Synthesis with Latent Diffusion Models. CVPR. link

Jak citovat tuto stránku

ScholarGate. (2026, June 1). Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion). ScholarGate. https://scholargate.app/cs/deep-learning/diffusion-model

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.

Compare side by side

Odkazuje sem

ScholarGateDiffusion Model (Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion)). Získáno 2026-06-15 z https://scholargate.app/cs/deep-learning/diffusion-model · Datová sada: https://doi.org/10.5281/zenodo.20539026