Aprendizaje profundo generativo, 2ª edición

Capítulo 8. Modelos de difusión

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Objetivos del capítulo

En este capítulo:

• Aprende los principios subyacentes y los componentes que definen un modelo de difusión.

• Observa cómo se utiliza el proceso de avance para añadir ruido al conjunto de imágenes de entrenamiento.

• Comprende el truco de la reparametrización y por qué es importante.

• Explora diferentes formas de programación de la difusión hacia delante.

• Comprende el proceso de difusión inversa y cómo se relaciona con el proceso de ruido hacia delante.

• Explora la arquitectura de la Red-U, que se utiliza para parametrizar el proceso de difusión inversa.

• Construye tu propio modelo de difusión de eliminación de ruido (DDM) utilizando Keras para generar imágenes de flores.

• Muestra nuevas imágenes de flores de tu modelo.

• Explora el efecto del número de pasos de difusión en la calidad de la imagen e interpola entre dos imágenes en el espacio latente.

Junto con las GAN, los modelos de difusión son una de las técnicas de modelado generativo más influyentes e impactantes para la generación de imágenes que se han introducido en la última década. En muchas pruebas comparativas, los modelos de difusión superan a las GAN de última generación y se están convirtiendo rápidamente en la opción preferida de los profesionales del modelado generativo, sobre todo para los dominios visuales (por ejemplo, DALL.E 2 ...