GAN和VAE,都是生成模型中重要的代表。GAN的表現出色,但在訓練中面臨一些對抗性的挑戰也難以訓練。而VAE理論基礎穩固,但在建模損失函數方面也不容易。而近幾年,有一種新興的生成模型方法,靈感來自非平衡態熱力學,就是擴散模型 (Diffusion Model)。
Diffusion Model的基本原理是將原始圖片逐漸加入雜訊(Noise),讓原本的圖片逐漸變成完全的雜訊狀態。然後再透過反轉這個過程,也就是Denoise去除雜訊來恢復圖片。讓它學習了雜訊圖和真實圖片之間的變換關係,最後使其能夠從雜訊中生成出像樣的圖片。
對圖片逐步增加雜訊。
從雜訊中逐步恢復圖片。
推薦內容:
淺談Diffusion Model