ScholarGate
어시스턴트
Machine learningDeep learning / NLP / CV

약한 지도 확산 모델

약한 지도 확산 모델은 픽셀 단위의 정확한 정답 대신, 이미지 수준의 클래스 레이블, 경계 상자 또는 크라우드 소싱된 주석과 같이 거칠거나 노이즈가 많거나 불완전한 지도 신호를 사용하여 노이즈 제거 확산 확률 모델을 훈련하거나 조건화합니다. 이를 통해 완전한 레이블링이 불가능하거나 비용이 많이 드는 주석 부족 환경에서 고품질의 생성 및 판별 출력을 얻을 수 있습니다.

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.

약한 지도 확산 모델
확산 모델생성적 적대 신경망자가 지도 확산 모델준지도 학습 확산 모델Variational Autoencoder약한 지도 의미론적 분할

출처

  1. Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
  2. Zhou, K., et al. (2023). Weakly-supervised Semantic Segmentation with Diffusion Models. arXiv preprint arXiv:2309.11803. link ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision). ScholarGate. https://scholargate.app/ko/deep-learning/weakly-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 →

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →

ScholarGate — Weakly Supervised Diffusion Model (Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision)). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/deep-learning/weakly-supervised-diffusion-model · 데이터셋: https://doi.org/10.5281/zenodo.20539026