|
- 如何通俗理解扩散模型？ - 知乎
扩散模型的研究并不始于DDPM，但DDPM的成功对扩散模型的发展起到至关重要的作用。 在这个系列里我们也会看到，后续一连串效果惊艳的模型，都是在DDPM的框架上迭代改进而来。
- 如何理解扩散模型中的SDE？ - 知乎
扩散模型（diffusion model）对应 随机微分方程（SDE） 目标是给出这两类生成模型的定义、构造方法及采样算法，为后续训练方法做铺垫。
- 怎么理解今年 CV 比较火的扩散模型（DDPM）？ - 知乎
目前所采用的扩散模型大都是来自于2020年的工作 DDPM: Denoising Diffusion Probabilistic Models， DDPM对之前的扩散模型（具体见 Deep Unsupervised Learning using Nonequilibrium Thermodynamics）进行了简化，并通过 变分推断 （variational inference）来进行建模，这主要是因为扩散模型也是一个 隐变量模型 （latent variable model
- 2025年做扩散模型是49年入国军吗? - 知乎
从表征角度，扩散模型可分为：扩散+连续，扩散+离散。 从模型结构，扩散模型也可分为：nar diffusion 以及 ar diffusion。 在 nar diffusion 架构上，过去几年，大家基本上围绕着dit+vae 的思路，特别是视频生成，图像生成，已经大放异彩。似乎用 vae 已经是扩散模型的标配。 换到 ar diffusion 上，连续表征
- 如何评价Google刚刚发布的 Gemini Diffusion? 会代替自回归模型成为下一代模型吗？ - 知乎
扩散语言模型还是有非常多值得探索的空间，机会就在困难之中。 写的有点长了，累了。 也欢迎关注我们课题组 2 月份发的知乎文章 GSAI-ML：自回归是否是通往语言智能的唯一路径？ ——生成模型的一些思考（3）
- 现在为什么所有的模型都是自回归的？ - 知乎
渐进式生成 生成模型领域最近几年发展迅速，各种模型层出不穷，从早期的自回归（Autoregressive，AR）模型，到后来风靡全场的扩散（Diffusion）模型，再到频域生成（Frequency-domain AR）和基于分辨率的多尺度生成（VAR模型，Variational Autoregression）等等。这些方法表面上看似不同，但实际上都有一个共同
- 何恺明团队指出，扩散模型应该直接预测「图像」而不是「噪声」，如何评价这个工作？ - 知乎
何恺明团队指出，扩散模型应该直接预测「图像」而不是「噪声」，如何评价这个工作？ 基于经典的「流形假设」（Manifold Assumption），论证了自然图像数据存在于高维像素空间的低维流形上，而噪声则分布于整个高维空间。 因此，… 显示全部 关注者 290
- 扩散模型为什么会这么火，本质上相比于GAN到底好在哪里，可以详细的分析一下吗? - 知乎
扩散模型会火起来，其实主要有三个比较重要的大事件： 第一件事，OpenAI在2021年5月发布新工作 ADM： Diffusion Models Beat GANs on Image Synthesis。
|
|
|