ScholarGate
Asistente
Machine learning

Modelo generativo basado en puntuación

Un modelo generativo basado en puntuación, introducido por Yang Song y Stefano Ermon en 2019 y generalizado al marco de ecuaciones diferenciales estocásticas (SDE) en 2021, aprende el gradiente de la densidad de datos —la puntuación— en lugar de predecir ruido directamente, y lo utiliza para generar nuevas muestras. Es la generalización matemática que unifica los modelos de difusión bajo una formulación de tiempo continuo.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

Fuentes

  1. Song, Y. & Ermon, S. (2019). Generative Modeling by Estimating Gradients of the Data Distribution. NeurIPS 32, 11895–11907. link
  2. Song, Y. et al. (2021). Score-Based Generative Modeling through Stochastic Differential Equations. ICLR. link

Cómo citar esta página

ScholarGate. (2026, June 1). Score-Based Generative Modeling through Stochastic Differential Equations. ScholarGate. https://scholargate.app/es/deep-learning/score-based-diffusion

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

Citado por

ScholarGateScore-Based Generative Model (Score-Based Generative Modeling through Stochastic Differential Equations). Recuperado el 2026-06-15 de https://scholargate.app/es/deep-learning/score-based-diffusion · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026