Machine learningDeep learning / NLP / CV

Слабо надгледан дифузни модел

Слабо надгледан дифузни модел се обучава или условљава дифузним моделом вероватноће денуизирања коришћењем грубих, шумних или непотпуних надзорних сигнала — као што су ознаке класа на нивоу слике, оквири или анотације прикупљене од грађана — уместо пикселски прецизне основне истине. Ово омогућава генеративне и дискриминативне излазе високог квалитета у условима оскудних анотација где је потпуно означавање неизводљиво или претерано скупо.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

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

Izvori

  1. Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link
  2. Zhou, K., et al. (2023). Weakly-supervised Semantic Segmentation with Diffusion Models. arXiv preprint arXiv:2309.11803. link

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision). ScholarGate. https://scholargate.app/sr/deep-learning/weakly-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.

Compare side by side
ScholarGateWeakly Supervised Diffusion Model (Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision)). Preuzeto 2026-06-15 sa https://scholargate.app/sr/deep-learning/weakly-supervised-diffusion-model · Skup podataka: https://doi.org/10.5281/zenodo.20539026