深入浅出 diffusion（1）：白话 diffusion 原理（无公式）
- 开发
- 38
-
- 两个过程
- 前向过程（forward process）：添加噪声；
- 反向过程（reverse process），又称为扩散过程（diffusion process）：去除噪声，数据样本生成。
- 过程核心原理
- 无论是前向过程还是反向过程都是一个参数化的马尔可夫链（Markov chain），即当前过程状态仅与上个过程状态相关；
- 复杂的条件概率推理最终将这个过程简化为学习噪声分布的网络。
- 前向过程如何加噪
- 添加 t 次随机高斯噪声（逐渐增大），但是这样比较繁琐；
- 推理得到最终添加的所有噪声可以表达为与 t 相关的一个公式；
- 每批（个）样本添加噪声的时候 t 是随机选取的。
- 反向过程如何降噪
- 反向过程的噪声不是一步到位直接去除，前向过程添加 t 次噪声，反向过程就要去除 t 次噪声；
- 每次降噪都是用一个训练好的网络，输入为当前时刻 t 和 当前值 x_t（有条件的话还要输入条件），输出噪声分布；
- 为了加快降噪过程可以减少 t 的次数。
- loss是如何计算的
- 由降噪过程可知 diffusion 使用网络学习噪声分布，loss 是约束每次添加的噪声和网络输出的噪声之间的距离。
原文地址:https://blog.csdn.net/m0_37324740/article/details/135840416
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。
本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：https://www.suanlizi.com/kf/1750395077756325888.html
如若内容造成侵权/违法违规/事实不符，请联系《酸梨子》网邮箱：1419361763@qq.com进行投诉反馈，一经查实，立即删除！
