เปรียบเทียบวิธี

	แบบจำลองการแพร่กระจายแบบกำกับดูแลอย่างอ่อน (Weakly Supervised Diffusion Model)	แบบจำลองการแพร่ (Diffusion Model)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2022–2024	2020
ผู้ริเริ่ม	Ho et al. (DDPM foundation); weak supervision integration by multiple groups, 2022–2024	Ho, J., Jain, A. & Abbeel, P.
ประเภท	Generative model with imperfect supervision	Generative deep learning (denoising diffusion)
แหล่งต้นตำรับ	Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851.	Ho, J., Jain, A. & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. NeurIPS.
ชื่อเรียกอื่น	WS-Diffusion, weakly supervised DDPM, label-efficient diffusion model, noisy-label diffusion training	Difüzyon Modeli (DDPM / Stable Diffusion), difüzyon modeli, denoising diffusion model, DDPM
ที่เกี่ยวข้อง	6	4
สรุป	A weakly supervised diffusion model trains or conditions a denoising diffusion probabilistic model using coarse, noisy, or incomplete supervision signals — such as image-level class labels, bounding boxes, or crowd-sourced annotations — instead of pixel-precise ground truth. This allows high-quality generative and discriminative outputs in annotation-scarce settings where full labeling is infeasible or prohibitively expensive.	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.