目錄
- 1 擴散模型
擴散模型
編輯在機器學習中，擴散模型，也被稱為擴散概率模型，是一類潛變量模型。這些模型是使用變異推理訓練的馬爾科夫鏈。擴散模型的目標是通過對數據點在潛在空間中擴散的方式進行建模來學習數據集的潛在結構。在計算機視覺中，這意味著一個神經網絡被訓練為通過學習逆轉擴散過程來對高斯噪聲模糊的圖像進行去噪。擴散模型是在2015年引入的，其動機來自非平衡熱力學。擴散模型可以應用于各種任務，包括圖像去噪、畫中畫、超分辨率和圖像生成。
例如，一個圖像生成模型將從一個隨機的噪聲圖像開始，然后在對自然圖像進行了逆轉擴散過程的訓練后，該模型將能夠生成新的自然圖像。2022年4月13日宣布的OpenAI的文本到圖像模型DALL-E2是一個最近的例子。它將擴散模型用于模型的先驗（產生給定文本標題的圖像嵌入）和產生最終圖像的解碼器。
內容由匿名用戶提供，本內容不代表www.gelinmeiz.com立場，內容投訴舉報請聯系www.gelinmeiz.com客服。如若轉載，請注明出處：http://www.gelinmeiz.com/175573/