Multimodální difuzní model
Multimodální difuzní model rozšiřuje denoisingové difuzní pravděpodobnostní modely pro generování nebo porozumění obsahu podmíněním na signály z více modalit — jako je text, obraz, zvuk nebo video — současně. Učí se obrátit proces šumu řízený mezimodálním kontextem, což umožňuje vysoce věrnou syntézu a překlad mezi modalitami.
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. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 10684–10695. DOI: 10.1109/CVPR52688.2022.01042 ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal Diffusion Model (Cross-Modal Conditional Denoising Diffusion). ScholarGate. https://scholargate.app/cs/deep-learning/multimodal-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.
- Jemně doladěný difuzní modelHluboké učení↔ compare
- Víceúčelová klasifikace založená na BERTHluboké učení↔ compare
- Multimodální GANHluboké učení↔ compare
- Multimodální TransformerHluboké učení↔ compare
- Multimodální variační autoenkodérHluboké učení↔ compare
- Multimodální Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →