Latent Diffusion Models
Latent Diffusion Models (LDMs) jsou generativní přístup představený Rombachem et al. v roce 2022, který provádí difuzní proces ve stlačeném latentním prostoru namísto obrazového prostoru, což umožňuje efektivní syntézu obrazů ve vysokém rozlišení. Komprimací obrazů do nízkorozměrné latentní reprezentace pomocí variačního autoenkodéru se difuze stává výpočetně zvládnutelnou při zachování vizuální kvality.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/cs/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 (Detection Transformer)Hluboké učení↔ compare
- GraphRAGHluboké učení↔ compare
- Maskované autoenkodéryHluboké učení↔ compare
- Segment Anything ModelHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →