Самообучающаяся диффузионная модель
Самообучающаяся диффузионная модель сочетает итеративный генеративный процесс зашумления и восстановления шумоподавляющих диффузионных вероятностных моделей с целью самообучающегося извлечения признаков — такой как контрастивная потеря или потеря маскированного предсказания — чтобы модель одновременно училась генерировать реалистичные данные и производить семантически значимые представления без каких-либо размеченных примеров.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 1597–1607. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Diffusion Model (Denoising Diffusion with Self-supervised Representation Learning). ScholarGate. https://scholargate.app/ru/deep-learning/self-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.
- Генеративно-состязательная сетьГлубокое обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →