Machine learning

拡散モデル

拡散モデルは、Ho、Jain、Abbeelによって2020年（DDPM）に導入された生成ディープラーニング手法であり、段階的なノイズ付加プロセスを逆転させることで、高品質な画像、音声、分子構造の生成を学習します。生成モデリングにおける現在の最先端技術として、GANを大きく置き換えています。

MethodMindで開く近日公開動画近日公開Download slides

手法の全文を読む

会員限定

無料アカウントでログインすると、このセクションを読めます。

ログイン

Method map

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

拡散モデル

ニューラルODE 主成分分析スコアベース生成モデル Variational Autoencoder 説明可能なGAN Generative Adversarial N…正規化フロー (Normalizing Flow…ビジョントランスフォーマー Wasserstein GAN (WGAN)弱教師あり拡散モデル

+1 more

出典

Ho, J., Jain, A. & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. NeurIPS. link ↗
Rombach, R., Blattmann, A., Lorenz, D., Esser, P. & Ommer, B. (2022). High-Resolution Image Synthesis with Latent Diffusion Models. CVPR. link ↗

このページの引用方法

ScholarGate. (2026, June 1). Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion). ScholarGate. https://scholargate.app/ja/deep-learning/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 →

この手法を参照する項目

説明可能なGAN Generative Adversarial Network 正規化フロー (Normalizing Flows)Variational Autoencoder ビジョントランスフォーマー Wasserstein GAN (WGAN)弱教師あり拡散モデル弱教師ありGAN (Weakly Supervised GAN)

このページに誤りを見つけましたか?報告・修正提案 →

手法の全文を読む

Method map

出典

このページの引用方法

関連手法

Which method?

この手法を参照する項目