-
扩散模型 - Diffusion Model【李宏毅2023】学习笔记 数学原理篇
【生成式AI】Diffusion Model 原理剖析 (1/4)_哔哩哔哩_bilibili
有关图像生成及扩散模型的精髓领悟参见博文：
扩散模型 - Diffusion Model【李宏毅2023】学习笔记 Part 1_wangxiaojie6688的博客-CSDN博客
P3
这里的alpha为参数，采样得到的t越大说明噪音越大，原图所占比例越小，这里的t为当前去噪下标。
最后加的这个噪音z怎么感觉有负采样的味道？？？ P4
训练得到的网络产生的分布越接近真实图片的分布越好，这也是奋斗的目标。 
可以使生成的图最接近于真实图的seta， 使目标函数最大的seta即为要学习的seta。 
这里提到的减去的项--类似负采样？ 
在VAE中是输入一个z,然后输出G(z) 概率密度函数正比于 
P5
q(xt|x0)可以直接被算出来 后文讲介绍 
采样得到的噪声分布相对独立 
由此，可以仅由一个分布代替 
P6
【中英文字幕】吴恩达-扩散模型diffusion的工作原理
【中英文字幕】吴恩达-扩散模型diffusion的工作原理_哔哩哔哩_bilibili
讲的。。。。。
-
相关阅读:
物联网毕业设计 - 基于OpenMV的火灾检测及人员搜寻智能车
Kafka 如何保证消息顺序及其实现示例
解析富有童趣的人工智能早教机器人
EDU挖掘
CMMI可以直接办理五级吗？
I/O处理器与DMA控制器与I/O通道
RDD—Transformation算子
GBase 8c 核心技术
1019 数字黑洞
web前端学习笔记二
- 原文地址：https://blog.csdn.net/wangxiaojie6688/article/details/133325636