|
- 如何通俗理解扩散模型？ - 知乎
全书共8章，详细介绍了扩散模型的原理，以及扩散模型退化、采样、DDIM反转等重要概念与方法，此外还介绍了Stable Diffusion、ControlNet与音频扩散模型等内容。
- 如何理解扩散模型中的SDE？ - 知乎
扩散模型（diffusion model）对应 随机微分方程（SDE） 目标是给出这两类生成模型的定义、构造方法及采样算法，为后续训练方法做铺垫。
- 何恺明团队指出，扩散模型应该直接预测「图像」而不是「噪声」，如何评价这个工作？ - 知乎
何恺明团队指出，扩散模型应该直接预测「图像」而不是「噪声」，如何评价这个工作？ 基于经典的「流形假设」（Manifold Assumption），论证了自然图像数据存在于高维像素空间的低维流形上，而噪声则分布于整个高维空间。 因此，… 显示全部 关注者 448
- 怎么理解今年 CV 比较火的扩散模型（DDPM）？ - 知乎
目前所采用的扩散模型大都是来自于2020年的工作 DDPM: Denoising Diffusion Probabilistic Models， DDPM对之前的扩散模型（具体见 Deep Unsupervised Learning using Nonequilibrium Thermodynamics）进行了简化，并通过 变分推断 （variational inference）来进行建模，这主要是因为扩散模型也是一个 隐变量模型 （latent variable model
- 2025年做扩散模型是49年入国军吗? - 知乎
从表征角度，扩散模型可分为：扩散+连续，扩散+离散。 从模型结构，扩散模型也可分为：nar diffusion 以及 ar diffusion。 在 nar diffusion 架构上，过去几年，大家基本上围绕着dit+vae 的思路，特别是视频生成，图像生成，已经大放异彩。似乎用 vae 已经是扩散模型的标配。 换到 ar diffusion 上，连续表征
- 大语言模型与扩散模型的区别？ - 知乎
大语言模型和扩散模型是两种不同类型的深度学习模型，它们分别应用于不同的机器学习任务，具有不同的工作原理和技术背景。 大语言模型（Large Language Models, LLMs）： 大语言模型主要指那些参数量庞大、训练数据丰富的神经网络模型，专门针对自然语言处理任务进行设计。最著名的例子包括GPT
- 能否使用diffusion model进行轨迹生成? - 知乎
扩散模型（Diffusion Model, DM）近年来在生成任务中表现出色，尤其在图像生成、音频合成等领域取得了显著成果。 那么，是否可以将Diffusion Model应用于轨迹生成（Trajectory Generation）呢 2 轨迹生成的需求与挑战 轨迹生成是众多领域的核心问题，包括但不限于：
- 扩散模型为什么会这么火，本质上相比于GAN到底好在哪里，可以详细的分析一下吗? - 知乎
扩散模型会火起来，其实主要有三个比较重要的大事件： 第一件事，OpenAI在2021年5月发布新工作 ADM： Diffusion Models Beat GANs on Image Synthesis。
|
|
|