¡Por fin existe un libro como este! Varios investigadores líderes en IA colaboraron en un artículo que ofrece una explicación detallada de los principios de los modelos de difusión. He traducido una versión bilingüe; el enlace está abajo 👇 Esto permite una comprensión muy completa del modelo de difusión fundamental de los modelos de imagen y vídeo actuales, incluyendo específicamente: Capítulo 1: Una visión general de la definición, la importancia y la genealogía de los modelos generativos, sentando las bases para una comprensión unificada. Capítulo 2 (Perspectiva VAE): Conexión con DDPM mediante inferencia variacional y explicación del entrenamiento y el muestreo utilizando variables latentes y objetivos de reconstrucción/eliminación de ruido. Capítulo 3 (Perspectiva EBM/Score): De los modelos de energía a la SDE NCSN/Score, describiendo la dinámica generativa con coincidencia fraccionaria y SDE de tiempo continuo. Capítulo 4: El muestreo es la solución inversa de la EDO/EDE a lo largo del tiempo, y la distribución de datos se aproxima paso a paso utilizando el campo vectorial de deriva de difusión. Capítulo 5 (Perspectiva NF): Del flujo regularizado a la correspondencia de flujo, unificando la idea de "transporte impulsado por la probabilidad a lo largo del tiempo" a través de la transformación reversible/aprendizaje del campo de flujo. Capítulo Seis: Utilizando la fórmula de sustitución del cálculo como fundamento unificado y empleando "técnicas de condicionalización" para transformar problemas difíciles en regresiones, se logra un entrenamiento estable y controlable. Capítulo 8: Reexaminando DDIM y DPM-Solver dentro del marco de las EDO, aclarando su relación con los métodos numéricos clásicos y explicando el principio del muestreo rápido. Capítulo 9: Integración numérica sistematizada y optimizada y control de errores para acelerar el muestreo iterativo manteniendo la fidelidad y la estabilidad. Capítulo 10: Propone el enfoque de "mapeo de flujo", como el modelo de consistencia, para aprender directamente el desmapeo de cualquier paso de tiempo a cualquier paso de tiempo con el fin de generar la solución en menos pasos. Capítulo 11: Extensión de trayectorias consistentes y flujo medio para aprender la trayectoria completa (integral) para la generación de alta calidad en uno o muy pocos pasos.
Direcpan.quark.cn/s/2a5100e32b51://t.co/92kzC8YvM3