Machine learning

แบบจำลองการแพร่ (Diffusion Model)

แบบจำลองการแพร่เป็นวิธีการเรียนรู้เชิงลึกแบบก่อกำเนิด (generative deep-learning method) ที่ Ho, Jain และ Abbeel นำเสนอในปี 2020 (DDPM) ซึ่งเรียนรู้การสร้างภาพ เสียง และโครงสร้างโมเลกุลคุณภาพสูง โดยการย้อนกลับกระบวนการเพิ่มสัญญาณรบกวนทีละขั้นตอน แบบจำลองนี้ได้เข้ามาแทนที่ GANs ในฐานะที่เป็นเทคนิคที่ทันสมัยที่สุดในการสร้างแบบจำลองเชิงกำเนิด

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

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

+1 more

แหล่งอ้างอิง

  1. Ho, J., Jain, A. & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. NeurIPS. link
  2. Rombach, R., Blattmann, A., Lorenz, D., Esser, P. & Ommer, B. (2022). High-Resolution Image Synthesis with Latent Diffusion Models. CVPR. link

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 1). Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion). ScholarGate. https://scholargate.app/th/deep-learning/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

ถูกอ้างอิงโดย

ScholarGateDiffusion Model (Denoising Diffusion Probabilistic Model (DDPM / Latent Diffusion)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/diffusion-model · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026