Machine learningDeep learning / NLP / CV

자가 지도 확산 모델

자가 지도 확산 모델은 노이즈 제거 확산 확률 모델의 반복적인 노이즈 추가 및 제거 생성 과정을 자가 지도 표현 학습 목표(예: 대조 학습 또는 마스크 예측 손실)와 결합하여, 모델이 레이블이 없는 예제 없이도 사실적인 데이터를 생성하고 의미론적으로 유의미한 표현을 생성하는 것을 동시에 학습하도록 합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

자가 지도 확산 모델

생성적 적대 신경망 Variational Autoencoder 도메인 적응 확산 모델 설명 가능한 확산 모델 확산 모델을 이용한 전이 학습 약한 지도 확산 모델

출처

Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 1597–1607. link ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Self-supervised Diffusion Model (Denoising Diffusion with Self-supervised Representation Learning). ScholarGate. https://scholargate.app/ko/deep-learning/self-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.

생성적 적대 신경망딥러닝↔ compare
Variational Autoencoder딥러닝↔ compare

Compare side by side →

이 방법을 참조하는 항목

도메인 적응 확산 모델 설명 가능한 확산 모델 확산 모델을 이용한 전이 학습 약한 지도 확산 모델

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →