-
相关论文
-
Deep Unsupervised Learning using Nonequilibrium Thermodynamicshttps://arxiv.org/abs/1503.03585
-
Denoising Diffusion Probabilistic Modelshttps://arxiv.org/abs/2006.11239
-
High-Resolution Image Synthesis with Latent Diffusion Modelshttps://arxiv.org/abs/2112.10752
-
-
数学知识复习
-
代数变形
-
概率统计如下图,贝叶斯公式中,p(y)为prior,p(x|y)为likelihood,p(x)为evidence,p(y|x)为posterior
-
概率图模型
-
变分推断
-
重参数化
-
-
生成模型概述
- 扩散模型是一种潜在变量模型,其中x1,...,xT是与x0具有相同维度的潜在变量
- 联合分布p_θ(x0:T)被称为逆过程,它是个马尔可夫链,转移分布是高斯形式,表示成公式就是Figure 2
- 在给定参数均值μθ(xt, t)的条件下,随机变量xt-1的取值服从正态分布
- 训练过程是通过最小化常规变分界限(variational bound)的负对数似然来完成的
-
正向扩散过程
-
逆向去噪过程
-
扩散过程后验分布
-
损失函数变分推导
-
损失函数的参数化
-
训练和采样算法
[Python] Diffusion Model 扩散模型
猜你喜欢
转载自blog.csdn.net/weixin_66896881/article/details/131677062
今日推荐
周排行