ScholarGate
Assistente
Machine learning

Modello generativo basato sul gradiente (score-based)

Un modello generativo basato sul gradiente, introdotto da Yang Song e Stefano Ermon nel 2019 e generalizzato al framework delle equazioni differenziali stocastiche (SDE) nel 2021, apprende il gradiente della densità dei dati — lo score — piuttosto che predire direttamente il rumore, e lo utilizza per generare nuovi campioni. È la generalizzazione matematica che unifica i modelli di diffusione sotto una formulazione a tempo continuo.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  1. Song, Y. & Ermon, S. (2019). Generative Modeling by Estimating Gradients of the Data Distribution. NeurIPS 32, 11895–11907. link
  2. Song, Y. et al. (2021). Score-Based Generative Modeling through Stochastic Differential Equations. ICLR. link

Come citare questa pagina

ScholarGate. (2026, June 1). Score-Based Generative Modeling through Stochastic Differential Equations. ScholarGate. https://scholargate.app/it/deep-learning/score-based-diffusion

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

Citato da

ScholarGateScore-Based Generative Model (Score-Based Generative Modeling through Stochastic Differential Equations). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/score-based-diffusion · Insieme di dati: https://doi.org/10.5281/zenodo.20539026