Diffusion大模型
前言
人工智能生成内容（AI Generated Content，AIGC）
生成式模型本质上是一组概率分布。
DDPM
训练——加噪过程
数据集中随机选出图片X0，随机选择t时刻，标准正态分布随机选择噪声epsilon，unet网络预测unet网络预测的epsilon_theta，是该时刻的噪音图像。
这是一个加噪的过程，x（t-1）再加上了当前随机的产生的噪声epsilon后变成了x（t）。所以网络要根据输入x（t）以及时刻t，学习到加的这个噪声到底是什么，所以损失函数就是使网络输出epsilon_theta无限接近epsilon
下图也是一个加噪示意图（来自下面的视频），无论加噪降噪，核心还是那两个公式，都在图中。这两个公式是结论，推导过程就是最终得出这俩公式。
推理——降噪过程
先随机产生一个x(T)，T一般是1000，二者（T是经过编码的）同时输入网络得到噪声
原文地址：https://blog.csdn.net/henyaoyuancc/article/details/140640748
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！