Machine learning

Modèle de diffusion

Un modèle de diffusion est une méthode d'apprentissage profond générative, introduite par Ho, Jain et Abbeel en 2020 (DDPM), qui apprend à produire des images, des sons et des structures moléculaires de haute qualité en inversant un processus de bruitage étape par étape. Il a largement supplanté les GAN en tant qu'état de l'art actuel en modélisation générative.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

+1 more

Sources

  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

Comment citer cette page

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

Référencée par

ScholarGateDiffusion Model (Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion)). Consulté le 2026-06-15 sur https://scholargate.app/fr/deep-learning/diffusion-model · Jeu de données : https://doi.org/10.5281/zenodo.20539026