Mô hình Khuếch tán Tiềm ẩn
Mô hình Khuếch tán Tiềm ẩn (LDM) là một phương pháp sinh được giới thiệu bởi Rombach và cộng sự vào năm 2022, thực hiện quá trình khuếch tán trong không gian tiềm ẩn nén thay vì không gian pixel, cho phép tổng hợp hình ảnh có độ phân giải cao hiệu quả. Bằng cách nén hình ảnh thành biểu diễn tiềm ẩn chiều thấp bằng bộ mã hóa tự động biến phân, quá trình khuếch tán trở nên khả thi về mặt tính toán mà vẫn duy trì chất lượng hình ảnh.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). High-Resolution Image Synthesis with Latent Diffusion Models. ScholarGate. https://scholargate.app/vi/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)Học sâu↔ compare
- GraphRAGHọc sâu↔ compare
- Mô hình Tự mã hóa Che giấuHọc sâu↔ compare
- Mô hình Phân đoạn Mọi thứHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →