Моделі прихованої дифузії
Моделі прихованої дифузії (Latent Diffusion Models, LDMs) — це генеративний підхід, представлений Ромбахом та ін. у 2022 році, який виконує процес дифузії у стисненому прихованому просторі, а не у піксельному просторі, що уможливлює ефективний синтез зображень високої роздільної здатності. Стискаючи зображення до низьковимірної прихованої репрезентації за допомогою варіаційного автокодувальника, дифузія стає обчислювально здійсненною, зберігаючи при цьому візуальну якість.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Rombach, R., Blattmann, A., Lorenz, D., Esser, P., & Ommer, B. (2022). High-resolution image synthesis with latent diffusion models. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 10684-10695). DOI: 10.1109/CVPR52688.2022.01042 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/uk/deep-learning/latent-diffusion-models
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.
- DETR (Detection Transformer)Глибоке навчання↔ compare
- GraphRAGГлибоке навчання↔ compare
- Масковані автокодувальникиГлибоке навчання↔ compare
- Модель сегментації всього (Segment Anything Model)Глибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →