扩散模型是近年来快速发展并得到广泛关注的生成模型。它通过一系列的加噪和去噪过程，在复杂的图像分布和高斯分布之间建立联系，使得模型最终能将随机采样的高斯噪声逐步去噪得到一张图像。在生成效果上，扩散模型可以媲美广受欢迎的GAN的方法，并且相比GAN，扩散模型是基于最大似然的生成模型，在训练时不会遇到模式崩塌和不稳定的情况。此外GAN的discriminator的判别能力限制了GAN的生成多样性，而扩散模型的多样性更为丰富，并且在有条件生成任务中，由于扩散模型是从随机的噪声开始采样，即使对于同一张参考，扩散模型也可以给出理论上无限多的采样结果。这一特征在实际应用中颇为重要，目前已有不少工作将有条件生成的扩散模型运用在文字/分割图/简笔画到图像生成、图像编辑、超分辨率等任务中，取得不少成果。
https://nn.labml.ai/diffusion/ddpm/index.html
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢