Itseohjautuva diffuusiomalli
Itseohjautuva diffuusiomalli yhdistää kohinanpoistoon perustuvien probabilististen diffuusiomallien iteratiivisen kohina- ja kohinanpoistogeneratiivisen prosessin itseohjautuvaan representaation oppimistavoitteeseen – kuten kontrastiiviseen tai maskattuun ennustusvirheeseen – siten, että malli oppii samanaikaisesti tuottamaan realistista dataa ja semanttisesti merkityksellisiä representaatioita ilman merkittyjä esimerkkejä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 1597–1607. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Diffusion Model (Denoising Diffusion with Self-supervised Representation Learning). ScholarGate. https://scholargate.app/fi/deep-learning/self-supervised-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.
- Generatiivinen kilpaileva verkkoSyväoppiminen↔ compare
- Variational AutoencoderSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →