Machine learningDeep Learning, Generative Models
潜在拡散モデル
潜在拡散モデル（Latent Diffusion Models、LDM）は、Rombachらによって2022年に発表された生成アプローチであり、ピクセル空間ではなく圧縮された潜在空間で拡散プロセスを実行することで、効率的な高解像度画像合成を可能にします。変分オートエンコーダを用いて画像を低次元の潜在表現に圧縮することで、視覚的品質を維持しつつ、拡散が計算上扱いやすくなります。
手法の全文を読む
会員限定
ログイン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。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/ja/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)深層学習↔ compare
- GraphRAG深層学習↔ compare
- マスク化オートエンコーダ深層学習↔ compare
- Segment Anything Model深層学習↔ compare