Modelli di Diffusione Latente
I Modelli di Diffusione Latente (LDM) sono un approccio generativo introdotto da Rombach et al. nel 2022 che esegue il processo di diffusione in uno spazio latente compresso anziché nello spazio dei pixel, consentendo una sintesi efficiente di immagini ad alta risoluzione. Comprimendo le immagini in una rappresentazione latente a bassa dimensionalità utilizzando un autoencoder variazionale, la diffusione diventa computazionalmente trattabile preservando la qualità visiva.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/it/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)Apprendimento profondo↔ compare
- GraphRAGApprendimento profondo↔ compare
- Autoencoder MascheratiApprendimento profondo↔ compare
- Segment Anything ModelApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →