ScholarGate
Asisten
Machine learningDeep learning / NLP / CV

Model Difusi yang Diawasi Secara Lemah

Model difusi yang diawasi secara lemah melatih atau mengkondisikan model probabilistik difusi denoising menggunakan sinyal pengawasan yang kasar, berisik, atau tidak lengkap — seperti label kelas tingkat gambar, kotak pembatas, atau anotasi yang bersumber dari kerumunan — alih-alih kebenaran dasar yang presisi piksel. Hal ini memungkinkan keluaran generatif dan diskriminatif berkualitas tinggi dalam pengaturan yang kekurangan anotasi di mana pelabelan penuh tidak layak atau terlalu mahal.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Sumber

  1. Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link
  2. Zhou, K., et al. (2023). Weakly-supervised Semantic Segmentation with Diffusion Models. arXiv preprint arXiv:2309.11803. link

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision). ScholarGate. https://scholargate.app/id/deep-learning/weakly-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.

Compare side by side
ScholarGateWeakly Supervised Diffusion Model (Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision)). Diakses 2026-06-15 dari https://scholargate.app/id/deep-learning/weakly-supervised-diffusion-model · Set data: https://doi.org/10.5281/zenodo.20539026