ScholarGate
Avustaja
Machine learningDeep learning / NLP / CV

Heikosti ohjattu diffuusiomalli

Heikosti ohjattu diffuusiomalli kouluttaa tai ehdollistaa kohinanpoisto-diffuusiotodennäköisyysmallin käyttämällä karkeita, kohinaisia tai epätäydellisiä ohjaussignaaleja – kuten kuvatason luokkamerkintöjä, rajauslaatikoita tai joukkoistettuja annotaatioita – pikselitarkkojen todellisten arvojen sijaan. Tämä mahdollistaa korkealaatuiset generatiiviset ja diskriminatiiviset tulokset annotaatioköyhillä asetelmilla, joissa täysi merkintä on mahdotonta tai kohtuuttoman kallista.

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.

Lähteet

  1. Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link
  2. Zhou, K., et al. (2023). Weakly-supervised Semantic Segmentation with Diffusion Models. arXiv preprint arXiv:2309.11803. link

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision). ScholarGate. https://scholargate.app/fi/deep-learning/weakly-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.

Compare side by side
ScholarGateWeakly Supervised Diffusion Model (Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/deep-learning/weakly-supervised-diffusion-model · Aineisto: https://doi.org/10.5281/zenodo.20539026