V
主页
【公式推导】变分扩散模型VDM的优化目标ELBO的拆解项含义详解【组成部分解释】
发布人
【公式推导】变分扩散模型VDM的优化目标ELBO的拆解项含义详解【组成部分解释】 重构项 先验匹配项 一致项
打开封面
下载高清视频
观看高清视频
视频下载器
【AI知识分享】白话扩散薛定谔桥(Diffusion Schrodinger Bridge)算法,讲完算法后up主竟情不自禁开喷?
【公式推导】如何给扩散模型添加条件控制(学习条件分布),说明有无分类器的指导原则
【公式推导】扩散模型Diffusion Models的训练和推理,训练中的Unet到底在学习什么,完整核心逻辑梳理【优化目标/损失函数】【采样过程/去噪】
扩散模型DM的优化目标ELBO在高斯限制条件(加噪过程)下的最终形式变化思路讲解【白板推导】【去噪分布】】
【公式推导】朗之万动力学公式(Langevin Dynamics)就是梯度下降!!为什么数据生成会是梯度下降的形式?【基于分数的生成模型】
【公式推导】从2个原因充分理解证据下界ELBO(如何推导)【Evidence Lower Bound】2
【论文精读】变分扩散模型VDM的表示和优化思路【3个限制条件的深刻理解】
扩散模型DM的去噪匹配项的由来:ELBO优化目标的另一种拆解方式【公式推导】【去噪匹配项denoising matching term】
【思路讲解】论文标题解释“从统一视角来看扩散模型”3种不同视角下的等价优化目标【预测原图/预测噪声/预测梯度】
【公式推导】不同视角下,扩散模型DM优化目标ELBO的变化:设定1(预测原图x0)【论文精读】
【公式推导】如何在学习扩散模型的同时,自适应学习噪声参数alpha_t,转化为信噪比SNR的学习【信噪比SNR】【论文精读】
【手搓代码】从零手搓扩散模型Flow Matching(Rectified Flow),算法、模型、训练、推理全覆盖,github同步开源
【补充】Tweedie公式及其证明
CSAIL 几何深度学习:从欧几里得到药物设计
【公式推导】去噪分数匹配:如何用去噪函数D(.)表示出样本分布的梯度(分数函数),推导公式(2,3)【附录B.3】
【论文精读】为什么用SDE(随机微分方程)来描述扩散过程 (3.1节,3.2节)
【AI知识分享—B站首发】扩散模型必修课,扩散模型之“老司机开车”理论&扩散模型小总结
【论文精读】快速了解2类扩散模型核心设定:SMLD/NCSN和DDPM(2.1节和2.2节)【符号说明】
【公式证明】扩散模型中的reverse-time SDE是怎么推导得到的呢?
【论文精读】扩散模型由SDE形式进行采样的2个思路:ODE(概率流采样), 逆SDE(逆扩散采样)
【AI知识分享】扩散模型随机微分方程(SDE)公式保姆级手推,锐评薛定谔桥+薛定谔桥Flag已立
【代码详解】扩散模型中如何融合时间信息t到图x上(x+t),Transformer中的位置编码PE(position encoding)
【公式推导】证明:如何用噪声预测模型代替得分函数(基于分数角度score,扩散模型DM优化目标的设定3)【论文精读】【P16-17】
【公式推导】如何从VE SDE和VP SDE中进行采样(逆扩散采样器)【论文精读】【附录D.3、附录E】
【公式推导】扩散模型中的去噪过程:如何由纯噪图逐步去噪变清晰,即从x(T)到x(T-1),推导去噪分布表达式【论文精读】
【论文精读】扩散模型与VAE的区别和联系,扩散模型的定义和优化目标 Denoising Diffusion Probabilistic Models【DDPM】
【公式推导】生成模型的2种分数函数匹配技术,对应2种优化求解目标【显示分数匹配】【去噪分数匹配DSM】
【公式推导】VE和VP的SDE形式由来:由条件分布推导出SDE形式(SMLD和DDPM)(3.4节,附录B)【论文精读】
【AI知识分享】保姆级扩散模型DDIM基本原理深度解析
【公式推导】Elucidating the Design Space of Diffusion-Based Generative Models【附录B.1】
【论文精读】Understanding Diffusion Models: A Unified Perspective 01【introduction】
【例子说明】了解应用在扩散模型中的斯坦因分数函数(Stein’s score function),定义以及几何解释【图形分析】
【公式推导】加噪过程:为什么只需给定时间步t和原图x0就可以直接生成噪图xt【公式详解】【论文精读】
【公式推导】Variational Autoencoder(VAE)变分自动编码器【蒙特卡洛】【重参数化】
【公式推导】朗之万动力学(Langevin Dynamics)公式不仅是梯度下降,还是随机梯度下降。进一步解释噪声项的作用【基于分数的生成模型】
【公式证明】DDIM:生成过程(采样过程)和统一变分推理目标【论文精读】【3.2节】【附录B】【定理1】
【手推公式】如何求SDE的解(附录B)【扩散模型】
【算法解读】PC Sampling【论文精读】【附录G】
【公式推导】从物理学角度来解释朗之万动力学公式(Langevin Dynamics)的来源(补充讲解)【基于分数的生成模型】
【公式推导】Elucidating the Design Space of Diffusion-Based Generative Models【附录B.2】