เปรียบเทียบวิธี

	ตัวเข้ารหัสอัตโนมัติแบบแปรผัน	แบบจำลองการแพร่ (Diffusion Model)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014	2020
ผู้ริเริ่ม	Kingma, D. P. & Welling, M.	Ho, J., Jain, A. & Abbeel, P.
ประเภท	Deep generative latent-variable model (encoder–decoder)	Generative deep learning (denoising diffusion)
แหล่งต้นตำรับ	Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR).	Ho, J., Jain, A. & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. NeurIPS.
ชื่อเรียกอื่น	Değişkensel Otokodlayıcı (VAE), VAE, auto-encoding variational Bayes, deep latent variable model	Difüzyon Modeli (DDPM / Stable Diffusion), difüzyon modeli, denoising diffusion model, DDPM
ที่เกี่ยวข้อง	5	4
สรุป	The Variational Autoencoder (VAE) is a deep generative latent-variable model, introduced by Diederik Kingma and Max Welling in 2014, that encodes data as a probability distribution in a latent space and samples from that distribution to generate new examples. It is used for data generation, anomaly detection, and feature learning.	A diffusion model is a generative deep-learning method, introduced by Ho, Jain and Abbeel in 2020 (DDPM), that learns to produce high-quality images, audio and molecular structures by reversing a step-by-step noising process. It has largely displaced GANs as the current state of the art in generative modelling.