Machine learning

Диффузионная модель

Диффузионная модель — это генеративный метод глубокого обучения, представленный Ho, Jain и Abbeel в 2020 году (DDPM), который учится создавать высококачественные изображения, аудио и молекулярные структуры, обращая пошаговый процесс зашумления. Он в значительной степени вытеснил GAN как текущий передовой метод в генеративном моделировании.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

+1 more

Источники

  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

Как цитировать эту страницу

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

Упоминается в

ScholarGateDiffusion Model (Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion)). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/diffusion-model · Набор данных: https://doi.org/10.5281/zenodo.20539026