Machine learning

Modelis difūzija

Difūzijas modelis ir dziļās apmācības ģeneratīva metode, ko 2020. gadā ieviesa Ho, Jain un Abbeel (DDPM), un kas apgūst augstas kvalitātes attēlu, audio un molekulāro struktūru radīšanu, apgriežot pakāpenisku trokšņu pievienošanas procesu. Tā lielā mērā ir aizstājusi GAN kā pašreizējo stāvokli ģeneratīvajā modelēšanā.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

+1 more

Avoti

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

Kā citēt šo lapu

ScholarGate. (2026, June 1). Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion). ScholarGate. https://scholargate.app/lv/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

Uz to atsaucas

ScholarGateDiffusion Model (Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion)). Izgūts 2026-06-15 no https://scholargate.app/lv/deep-learning/diffusion-model · Datu kopa: https://doi.org/10.5281/zenodo.20539026