Latent Diffusion Models
Latent Diffusion Models (LDMs) su generativni pristup koji su Rombach i suradnici predstavili 2022. godine, a koji provodi proces difuzije u komprimiranom latentnom prostoru umjesto u prostoru piksela, omogućujući učinkovitu sintezu slika visoke razlučivosti. Komprimiranjem slika u niskodimenzionalnu latentnu reprezentaciju pomoću varijacijskog autoenkodera, difuzija postaje računski izvediva uz očuvanje vizualne kvalitete.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/hr/deep-learning/latent-diffusion-models
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.
- DETR (Detection Transformer)Duboko učenje↔ compare
- GraphRAGDuboko učenje↔ compare
- Masked AutoencodersDuboko učenje↔ compare
- Segment Anything ModelDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →