昇思学习打卡-21-生成式/Diffusion扩散模型

Diffusion扩散模型介绍

关于扩散模型(Diffusion Models)有很多种理解,除了本文介绍的离散时间视角外,还有连续时间视角、概率分布转换视角、马尔可夫链视角、能量函数视角、数据增强与重建视角等。
本文的介绍是基于denoising diffusion probabilistic model (DDPM),DDPM已经在(无)条件图像/音频/视频生成领域取得了较多显著的成果,现有的比较受欢迎的的例子包括由OpenAI主导的GLIDE和DALL-E 2、由海德堡大学主导的潜在扩散和由Google Brain主导的图像生成。

模型推理结果

在这里插入图片描述

此章节学习到此结束,感谢昇思平台。

相关推荐

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-07-19 23:28:05       52 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-07-19 23:28:05       54 阅读
  3. 在Django里面运行非项目文件

    2024-07-19 23:28:05       45 阅读
  4. Python语言-面向对象

    2024-07-19 23:28:05       55 阅读

热门阅读

  1. C语言习题~day32

    2024-07-19 23:28:05       17 阅读
  2. 安康古韵长,汉水碧波扬

    2024-07-19 23:28:05       14 阅读
  3. python单继承和多继承实例讲解

    2024-07-19 23:28:05       16 阅读
  4. Linux的常用命令大全

    2024-07-19 23:28:05       15 阅读
  5. 监测vuex中state的变化

    2024-07-19 23:28:05       17 阅读
  6. 算法面试题五

    2024-07-19 23:28:05       19 阅读