Dossier de preuve de méthode

Latent Diffusion Models

Latent Diffusion Models (LDMs) are a generative approach introduced by Rombach et al. in 2022 that performs the diffusion process in a compressed latent space rather than pixel space, enabling efficient high-resolution image synthesis. By compressing images into a low-dimensional latent representation using a variational autoencoder, diffusion becomes computationally tractable while maintaining visual quality.

Sources recorded, not reviewed

Dossier source

Citations copiées telles quelles du dossier source de la méthode. Aucune vérification au niveau de la revendication n'en est déduite.

High-Resolution Image Synthesis with Latent Diffusion Models

Dossier de méthode taxonomique · ml-model / deep-learning

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

Ouvrir la méthode complète

Revendications organisées

Revendications enregistrées dans le registre de preuves, chacune avec sa propre évaluation.

Pas encore de revendications organisées

Cette vue n'invente pas d'évaluation de revendication lorsque le registre n'en contient aucune.

Méthodes apparentées

Généré à partir du graphe de méthodes et présenté comme des relations suggérées par la machine — aucune revendication de preuve n'est déduite.

Same method familyDETR (Detection Transformer)machine-suggested · Relational suggestion, not evidence.Same method familyGraphRAGmachine-suggested · Relational suggestion, not evidence.Same method familyMasked Autoencodersmachine-suggested · Relational suggestion, not evidence.Same method familySegment Anything Modelmachine-suggested · Relational suggestion, not evidence.