ScholarGate
Assistente
Machine learning

Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion)

Imagine borrar gradualmente uma foto até obter puro ruído estático, adicionando um pouco de ruído aleatório a cada vez. Um modelo de difusão aprende a jornada oposta: começando do ruído aleatório, ele remove um pouco de ruído em cada etapa até que uma amostra limpa e realista emerja. Como ele só precisa desfazer um pequeno passo de ruído por vez, a tarefa é muito mais estável para aprender do que gerar uma imagem inteira de uma só vez.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

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

+1 more

Fontes

  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

Como citar esta página

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

Referenciado por

ScholarGateDiffusion Model (Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion)). Recuperado em 2026-06-15 de https://scholargate.app/pt/deep-learning/diffusion-model · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026