Mô hình Khuếch tán Đa phương thức
Một mô hình khuếch tán đa phương thức mở rộng các mô hình xác suất khuếch tán khử nhiễu để tạo hoặc hiểu nội dung bằng cách điều kiện hóa đồng thời trên các tín hiệu từ nhiều phương thức — chẳng hạn như văn bản, hình ảnh, âm thanh hoặc video. Nó học cách đảo ngược quá trình nhiễu được hướng dẫn bởi ngữ cảnh xuyên phương thức, cho phép tổng hợp và dịch thuật có độ trung thực cao giữa các phương thức.
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. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 10684–10695. DOI: 10.1109/CVPR52688.2022.01042 ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Multimodal Diffusion Model (Cross-Modal Conditional Denoising Diffusion). ScholarGate. https://scholargate.app/vi/deep-learning/multimodal-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.
- Mô hình khuếch tán tinh chỉnhHọc sâu↔ compare
- Phân loại dựa trên BERT đa phương thứcHọc sâu↔ compare
- GAN đa phương thứcHọc sâu↔ compare
- Transformer Đa phương thứcHọc sâu↔ compare
- Multimodal Variational AutoencoderHọc sâu↔ compare
- Transformer Thị giác Đa phương thứcHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →