Multimodal diffusjonsmodell
En multimodal diffusjonsmodell utvider denoising diffusion probabilistic models for å generere eller forstå innhold ved å betinge på signaler fra flere modaliteter – som tekst, bilde, lyd eller video – samtidig. Den lærer å reversere en støyprosess styrt av kryssmodal kontekst, noe som muliggjør syntese og oversettelse av høy kvalitet på tvers av modaliteter.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Rombach, R., Blattmann, A., Lorenz, D., Esser, P., & Ommer, B. (2022). High-Resolution Image Synthesis with Latent Diffusion Models. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 10684–10695. DOI: 10.1109/CVPR52688.2022.01042 ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multimodal Diffusion Model (Cross-Modal Conditional Denoising Diffusion). ScholarGate. https://scholargate.app/no/deep-learning/multimodal-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.
- Finjustert diffusjonsmodellDyp læring↔ compare
- Multimodal BERT-basert klassifiseringDyp læring↔ compare
- Multimodal GANDyp læring↔ compare
- Multimodal transformereDyp læring↔ compare
- Multimodal VariasjonsautoenkoderDyp læring↔ compare
- Multimodal Vision TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →