-
Documentos relacionados
-
Aprendizaje profundo no supervisado usando termodinámica sin equilibrio https://arxiv.org/abs/1503.03585
-
Modelos probabilísticos de difusión de eliminación de ruido https://arxiv.org/abs/2006.11239
-
Síntesis de imágenes de alta resolución con modelos de difusión latente https://arxiv.org/abs/2112.10752
-
-
Revisión de conocimientos matemáticos
-
transformación algebraica
-
Las estadísticas de probabilidad se muestran en la siguiente figura. En la fórmula bayesiana, p(y) es anterior, p(x|y) es probabilidad, p(x) es evidencia y p(y|x) es posterior
-
Modelo gráfico probabilístico
-
inferencia variacional
-
reparametrización
-
-
Descripción general del modelo generativo
- Un modelo de difusión es un modelo de variable latente donde x1,...,xT son variables latentes con las mismas dimensiones que x0
- La distribución conjunta p_θ(x0:T) se denomina proceso inverso, es una cadena de Markov, la distribución de transferencia está en forma gaussiana, expresada como fórmula en la Figura 2
- Bajo la condición del valor medio del parámetro dado μθ(xt, t), el valor de la variable aleatoria xt-1 obedece a una distribución normal
- El proceso de entrenamiento se realiza minimizando la probabilidad logarítmica negativa del límite variacional regular
-
proceso de difusión hacia adelante
-
proceso de eliminación de ruido inverso
-
Proceso de difusión Distribución posterior
-
Derivación variacional de la función de pérdida
-
Parametrización de la función de pérdida
-
Algoritmos de entrenamiento y muestreo
[Python] Modelo de difusión modelo de difusión
Supongo que te gusta
Origin blog.csdn.net/weixin_66896881/article/details/131677062
Recomendado
Clasificación