Semi-supervised Diffusion Model
Een semi-supervised diffusion model breidt het probabilistische denoising diffusion framework uit naar settings waar slechts een fractie van de trainingssamples klasse-labels draagt. Door een onconditionele diffusion backbone te combineren met een lichtgewicht classifier getraind op gelabelde voorbeelden, leert het model om hoogwaardige, label-geconditioneerde outputs te genereren, terwijl het toch de structuur in ongelabelde data benut.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Diffusion Model for Generative Learning with Partial Labels. ScholarGate. https://scholargate.app/nl/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.
- Generatief Adversarieel NetwerkDeep learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- Variational AutoencoderDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →