Latent Diffusion Models
Latent Diffusion Models (LDM) ovat generatiivinen lähestymistapa, jonka Rombach et al. esittelivät vuonna 2022. Se suorittaa diffuusioprosessin pakatussa latenttitilassa pikselitilan sijaan, mahdollistaen tehokkaan korkearesoluutioisen kuvien synteesin. Pakkaamalla kuvat mataladimensionaaliseen latenttiesitykseen variaatioautomaattisen enkooderin avulla diffuusiosta tulee laskennallisesti hallittavaa samalla kun visuaalinen laatu säilyy.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/fi/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)Syväoppiminen↔ compare
- GraphRAGSyväoppiminen↔ compare
- Masked AutoencodersSyväoppiminen↔ compare
- Segment Anything ModelSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →