扩散模型推理阶段超越增加去噪步长的比例扩展方法研究与应用

码流怪侠
音视频领域优质创作者
博客专家认证
2025-01-21 22:54:48
...全文
20 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
Inference-Time Scaling for Diffusion Modelsbeyond Scaling Denoising Steps——推理时扩展扩散模型：超越去噪步数的扩展
Inference-TimeScalingforDiffusionModelsbeyondScalingDenoisingSteps——推理时扩展扩散模型：超越去噪步数的扩展
扩散模型+时间序列结合创新方案整理
扩散模型和时间序列的结合是一个新兴且活跃的研究领域，主要应用于时间序列的预测、插补和生成。扩散模型在生成式人工智能领域展示了先进的成果，特别是在时间序列预测中。这些模型能够生成新的、原始的数据样本，反映指定数据集的统计特征。扩散模型通过模拟从数据分布到噪声分布的逐步过程，然后通过逆向过程从噪声中恢复出数据，从而实现预测。例如，TimeGrad是一种基于扩散模型的时间序列预测方法，它通过在每个时间步的去噪模块中额外输入一个hidden state来指导生成序列的过程。
【半监督分割】基于扩散模型的半监督医学图像分割的多重一致性
医学影像分割是一项艰巨的挑战，而众多数据集中注释数据的匮乏又加剧了这一挑战。半监督方法为缓解这一问题提供了可行的解决方案，而扩散模型的图像生成能力已显示出捕捉语义信息的潜力。本文介绍了通过扩散模型进行半监督医学图像分割的多重一致性（MCSD）。此外，方法优于现有的方法，通过各种标注数据比例的实验结果证明了它在半监督医学图像分割中的有效性。此外，这项研究还指出了扩散模型在半监督医学影像分割中的潜力，并为改进其在医学影像任务中的应用提出了建议。
扩散一切？3DifFusionDet：扩散模型杀进LV融合3D目标检测！
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取>>点击进入→自动驾驶之心【扩散模型】技术交流群论文作者|Xinhao Xiang编辑 | 自动驾驶之心笔者的个人理解近年来，扩散模型在生成任务上非常成功，自然而然被扩展到目标检测任务上，它将目标检测建模为从噪声框(noisy boxes)到目标框(object boxes)的去噪扩散过程。在训练阶段，目标框从真...
探讨自回归模型和扩散模型的发展应用
为提高模型效率，研究者提出了多种快速采样算法，如DDIM（离散扩散模型）和ADM（加速扩散模型），这些方法能够在保证生成质量的前提下，显著减少反向扩散所需的步骤数，从而大幅缩短生成时间。此外，还出现了如半扩散模型这样的新型架构，它结合了扩散模型与传统生成模型的优点，能够在更低的计算成本下生成高质量样本。例如，在音乐创作场景中，一个混合模型可以先根据用户提供的旋律片段或风格标签进行自回归式的后续旋律生成，再通过扩散过程优化生成音乐的质量和细节，确保生成的乐曲既符合用户预期又具有专业级音质。
今天深度学习了吗

18,623

社区成员

132

社区内容

发帖
与我相关
我的任务
社区描述
深度学习相关博客和资源~
人工智能图像处理深度学习 个人社区 浙江省·杭州市
社区管理员
  • 码流怪侠
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章