Latentni difuzioni modeli
Latentni difuzioni modeli (LDM) su generativni pristup koji su uveli Rombach et al. 2022. godine, a koji proces difuzije sprovodi u kompresovanom latentnom prostoru umesto u pikselnom prostoru, omogućavajući efikasnu sintezu slika visoke rezolucije. Kompresovanjem slika u niskodimenzionalnu latentnu reprezentaciju pomoću varijacionog autoenkodera, difuzija postaje računski izvodljiva uz održavanje vizuelnog kvaliteta.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Rombach, R., Blattmann, A., Lorenz, D., Esser, P., & Ommer, B. (2022). High-resolution image synthesis with latent diffusion models. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 10684-10695). DOI: 10.1109/CVPR52688.2022.01042 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/sr/deep-learning/latent-diffusion-models
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.
- DETR (Detection Transformer)Duboko učenje↔ compare
- GraphRAGDuboko učenje↔ compare
- Masked AutoencodersDuboko učenje↔ compare
- Segment Anything ModelDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →