ไทย
กลับไปยังเทคโนโลยี AI

สถาปัตยกรรมโมเดล

โมเดลการแพร่

โมเดลกำเนิดที่เรียนรู้การย้อนกระบวนการเติมสัญญาณรบกวนทีละน้อย การขจัดสัญญาณรบกวนซ้ำ ๆ กลายเป็นแนวทางสำคัญสำหรับการสร้างภาพ เสียง วิดีโอ และเนื้อหาหลายรูปแบบ

ช่วงเวลาอ้างอิง
2015 / DDPM 2020
ตรวจล่าสุด

คำสำคัญ

  • การเติมสัญญาณรบกวนแบบไปข้างหน้า (forward noise)
  • การขจัดสัญญาณรบกวน (denoising)
  • การจับคู่สกอร์ (score matching)
  • การสุ่มตัวอย่าง (sampling)

ความเชื่อมโยงในโครงการ

แหล่งข้อมูลปฐมภูมิ

  1. Deep Unsupervised Learning using Nonequilibrium Thermodynamics
  2. Denoising Diffusion Probabilistic Models

นี่คือแผนที่เทคนิคที่คัดสรร ไม่ใช่การอ้างว่าครอบคลุมทั้งหมด