Karsten Kreis – NVIDIA 技術博客
http://www.open-lab.net/zh-cn/blog
閱讀開發者創建的最新技術信息、頭條新聞 和內容。
Thu, 05 May 2022 09:25:53 +0000
zh-CN
hourly
1
196178272 -
改進擴散模型以替代 GANs ，第 2 部分
http://www.open-lab.net/zh-cn/blog/improving-diffusion-models-as-an-alternative-to-gans-part-2/
Tue, 26 Apr 2022 09:23:00 +0000
http://www.open-lab.net/zh-cn/blog/?p=3832
Continued]]>
這是 NVIDIA 研究人員如何改進和加速擴散模型采樣的系列文章的一部分，擴散模型是一種新的、強大的生成模型。 Part 1 介紹了擴散模型作為深層生成模型的一個強大類，并研究了它們在解決生成性學習三重困境中的權衡。 雖然擴散模型同時滿足 生成性學習三位一體 的第一和第二個要求，即高樣本質量和多樣性，但它們缺乏傳統 GAN 的采樣速度。在這篇文章中，我們回顧了 NVIDIA 最近開發的三種技術，它們克服了擴散模型中緩慢采樣的挑戰。 擴散模型的采樣速度較慢的主要原因之一是，從簡單的高斯噪聲分布到具有挑戰性的多模態數據分布的映射非常復雜。最近， NVIDIA 推出了 基于潛在分數的生成模型 （ LSGM ），這是一種新的框架，可以在潛在空間而不是直接在數據空間中訓練擴散模型。 在 LSGM 中，我們利用變分自動編碼器（ VAE ）框架將輸入數據映射到一個潛在空間，
Source
]]>
3832
-
改進擴散模型以替代 GANs ，第 1 部分
http://www.open-lab.net/zh-cn/blog/improving-diffusion-models-as-an-alternative-to-gans-part-1/
Tue, 26 Apr 2022 09:18:00 +0000
http://www.open-lab.net/zh-cn/blog/?p=3829
Continued]]>
這是一系列關于 NVIDIA 研究人員如何改進和加速擴散模型采樣的方法的一部分，擴散模型是一種新穎而強大的生成模型。 Part 2 介紹了克服擴散模型中緩慢采樣挑戰的三種新技術。 生成模型是一類機器學習方法，它可以學習所訓練數據的表示形式，并對數據本身進行建模。它們通常基于深層神經網絡。相比之下，判別模型通常預測給定數據的單獨數量。 生成模型允許您合成與真實數據不同但看起來同樣真實的新數據。設計師可以在汽車圖像上訓練生成性模型，然后讓生成性人工智能計算出具有不同外觀的新穎汽車，從而加速藝術原型制作過程。 深度生成學習已成為機器學習領域的一個重要研究領域，并有許多相關應用。生成模型廣泛用于圖像合成和各種圖像處理任務，如編輯、修復、著色、去模糊和超分辨率。 生成性模型有可能簡化攝影師和數字藝術家的工作流程，并實現新水平的創造力。類似地，它們可能允許內容創建者高效地為游戲、
Source
]]>
3829
人人超碰97caoporen国产