ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Svagt övervakad diffusionsmodell

En svagt övervakad diffusionsmodell tränar eller konditionerar en denoisande probabilistisk diffusionsmodell med hjälp av grova, brusiga eller ofullständiga övervakningssignaler – såsom klassetiketter på bildnivå, avgränsningsramar eller crowd-sourced annoteringar – istället för pixel-precis grundläggande sanning. Detta möjliggör generativa och diskriminativa utdata av hög kvalitet i inställningar med brist på annoteringar där fullständig märkning är ogenomförbar eller oöverkomligt dyr.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision). ScholarGate. https://scholargate.app/sv/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)). Hämtad 2026-06-15 från https://scholargate.app/sv/deep-learning/weakly-supervised-diffusion-model · Datamängd: https://doi.org/10.5281/zenodo.20539026