Weakly Supervised Diffusion Model
A weakly supervised diffusion model trains or conditions a denoising diffusion probabilistic model using coarse, noisy, or incomplete supervision signals — such as image-level class labels, bounding boxes, or crowd-sourced annotations — instead of pixel-precise ground truth. This allows high-quality generative and discriminative outputs in annotation-scarce settings where full labeling is infeasible or prohibitively expensive.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. · URL
- Zhou, K., et al. (2023). Weakly-supervised Semantic Segmentation with Diffusion Models. arXiv preprint arXiv:2309.11803. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.