> ML_LITERATURE // HO-2020-DENOISING-DIFFUSION-PROBABILISTIC-MODELS_v1.0
Denoising Diffusion Probabilistic Models (DDPM)
Jonathan Ho, Ajay Jain, Pieter Abbeel · Advances in Neural Information Processing Systems (NeurIPS) (2020)
seminal-architecture2020foundationalthirdPartyReproduced
Temel Katkı (Principal Contribution)
Ters süreci U-Net omurgası ile basit bir ağırlıklı gürültü tahmin amacı olarak parametrelendirerek difüzyon modellerini skor eşlemeyle bağladı.
Operasyonel ve Mühendislik Uygunluğu
Difüzyon modellerinin örnek kalitesinde GAN'ları aştığını kanıtlayan ve modern üretici difüzyon hattını kuran çığır açıcı makale.
Temel Varsayımlar (Assumptions)
- Ağırlıklandırma terimlerini göz ardı eden basitleştirilmiş varyasyonel sınır amacı tam negatif log-olabilirliğe kıyasla çok üstün görsel kalite üretir
Kısıtlar ve Sınırlamalar (Limitations)
- Yavaş atadan kalma örnekleme, üretilen görüntü başına yüzlerce ila binlerce sıralı ileri geçiş gerektirir
Bağlantılı Algoritmalar, Mimariler ve Kütüphaneler
İlgili Algoritmalar:
İlgili Mimariler:
Uygulayıcı Kütüphaneler:
