VAE 썸네일형 리스트형 [DDPM] Diffusion Models Beat GANs on Image Synthesis 논문 리뷰 Diffusion Model에 사용되는 아주 기본 공식들(여기를 클릭) 공부하기 전에 알아두면 좋은 DPM 기본 공식들 (여기를 클릭) Abstract diffusion model이 현재의 state-of-the-art generative model보다 우수한 [이미지 샘플 퀄리티]를 가진다. 일련의 절제(ablation)를 통해, 더 나은 아키텍처로 unconditional image synthesis을 수행한다. conditional image synthesis을 위해, 분류 지침을 통해, 샘플 품질을 추가적으로 개선한다. -> 분류 지침(clssifier guidance) : 분류기로부터 gradient를 사용하여, 다양성을 교환. 간단하고 효율적 방법 Diffusion Process 1) 원래의 .. 더보기 VAE 아래의 세미나 내용과 같은 흐름, 같은 순서로 전개됩니다. 1. Abstract [VAE] 두 가지 contribution이 제시된다. 1) Variational lower bound의 reparametrization [standard stochastic gradient method] 2) lower bound estimator를 통해서 (data point당 연속적인 잠재변수를 갖는) i.i.d datasets에서의 posterior를 효과적으로 fitting할 수 있다. VAE는 생성 모델로써 존재한다. i.i.d datasets의 datapoint당 연속적인 잠재 변수를 갖는다. 따라서 잠재변수로 datapoint를 생성할 수 있고, datapoint로부터 잠재변수를 이끌어낼 수 있다. 2. Int.. 더보기 이전 1 다음
