Önfelügyelt diffúziós modell
Az önfelügyelt diffúziós modell a zajtalanító diffúziós probabilisztikus modellek iteratív zajosító és zajtalanító generatív folyamatát önfelügyelt reprezentációtanulási céllal – például kontrasztív vagy maszkolt predikciós veszteséggel – kapcsolja össze, így a modell egyszerre tanul meg realisztikus adatokat generálni és szemantikailag értelmes reprezentációkat előállítani, címkézett példák nélkül.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 1597–1607. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Diffusion Model (Denoising Diffusion with Self-supervised Representation Learning). ScholarGate. https://scholargate.app/hu/deep-learning/self-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.
- Generative Adversarial NetworkMélytanulás↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →