Machine learningDeep learning / NLP / CV
준지도 학습 확산 모델
준지도 학습 확산 모델은 훈련 샘플 중 일부만 클래스 레이블을 가지고 있는 설정으로 노이즈 제거 확산 확률론적 프레임워크를 확장합니다. 비조건부 확산 백본과 레이블이 지정된 예시에 대해 훈련된 경량 분류기를 결합함으로써, 레이블이 없는 데이터의 구조를 활용하면서도 고품질의 레이블 조건부 출력을 생성하는 방법을 학습합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Sohl-Dickstein, J., Weiss, E., Maheswaranathan, N., & Ganguli, S. (2015). Deep Unsupervised Learning using Nonequilibrium Thermodynamics. Proceedings of the 32nd International Conference on Machine Learning (ICML), 2256–2265. link ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Diffusion Model for Generative Learning with Partial Labels. ScholarGate. https://scholargate.app/ko/deep-learning/semi-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.
Compare side by side →