Machine learning

Diffuusiomalli

Diffuusiomalli on Ho:n, Jainin ja Abbeel:n vuonna 2020 (DDPM) esittelemä generatiivinen syväoppimismenetelmä, joka oppii tuottamaan korkealaatuisia kuvia, ääniä ja molekyylirakenteita kääntämällä vaiheittaisen kohinaprosessin. Se on suurelta osin syrjäyttänyt GAN-mallit nykyisinä generatiivisen mallinnuksen huippumenetelminä.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

+1 more

Lähteet

  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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 1). Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion). ScholarGate. https://scholargate.app/fi/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

Tähän viittaavat

ScholarGateDiffusion Model (Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/deep-learning/diffusion-model · Aineisto: https://doi.org/10.5281/zenodo.20539026