diffusion model tf ddpm
1.0.0
拡散モデルは、時間の経過に伴うデータの段階的な進化をシミュレートするためのディープ ラーニングの魅力的な用途です。拡散モデルを使用した生成の背後にある概念は、データ ポイントをノイズから元のデータ分布であるターゲット分布に反復的に変換することです。この変換は、一連の個別のステップを通じて実行されます。トレーニング段階には、前方拡散と後方拡散が含まれます。
順拡散プロセスでは、ランダムなタイム ステップ 't' (所定のタイム ステップの総数以下の 't') でデータにガウス ノイズを徐々に追加し、ノイズのある画像を生成します。逆拡散プロセスでは、ノイズが含まれた画像 (順拡散の「t」ステップでノイズが加えられた画像) から開始し、元の画像に追加されるノイズを予測することでノイズ レベルを下げるのに役立つ UNet モデルをトレーニングします。
新しい画像を生成するには、単純に逆拡散を繰り返し実行します。これを行うには、まず標準ガウスからノイズをサンプリングし、所定のタイム ステップ数にわたって徐々にノイズを予測して除去します。その結果、元のデータ分布に似た画像が生成されます。
