跳转到主要内容
TechGene技术基因English

扩散生成模型

2015年扩散生成路线;2020年DDPM图像生成代表结果成熟信息数学与方法论

技术定义

通过学习逐步去噪或逆扩散过程,从噪声恢复数据结构的生成模型。

2015年的研究将前向扩散和可学习逆过程用于生成建模。2020年的去噪扩散概率模型论文展示了高质量图像合成。

本条聚焦扩散生成方法,不能把所有去噪算法都归为同一技术。语言模型与扩散模型有不同建模路线,也可以在更大系统中组合。

原理与影响

解决的问题

  • 以可训练的分步过程建模并生成复杂数据分布。

核心原理

  • 构造前向扰动过程并学习反向恢复数据的过程。

相对前代的改进

暂无记录

技术意义

  • 形成现代生成模型的一条重要路线。

历史与应用

人物

Jascha Sohl-Dickstein、Jonathan Ho、Pieter Abbeel

组织

暂无记录

事件

暂无记录

典型应用

图像生成、生成建模

留下的局限

  • 生成开销与模型、采样步数有关,数据偏差和内容一致性仍需评估。

上下游关系

上游

下游

暂无直接下游记录

从这项技术继续探索

当前节点当前范围范围外周边拖拽 · 滚轮缩放
关系筛选
可见关系当前已加载 · 2 条