Score-Based Generative Model
A score-based generative model, introduced by Yang Song and Stefano Ermon in 2019 and generalized to the stochastic differential equation (SDE) framework in 2021, learns the gradient of the data density — the score — rather than predicting noise directly, and uses it to generate new samples. It is the mathematical generalization that unifies diffusion models under a continuous-time formulation.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- Song, Y. & Ermon, S. (2019). Generative Modeling by Estimating Gradients of the Data Distribution. NeurIPS 32, 11895–11907. · URL
- Song, Y. et al. (2021). Score-Based Generative Modeling through Stochastic Differential Equations. ICLR. · URL
Gecureerde claims
Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.
Deze weergave verzint geen claimbeoordeling als het register er geen heeft.
Gerelateerde methoden
Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.