V
主页
【公式推导】流匹配:由条件概率路径(高斯),推导出条件场的形式(公式15)【定理3】
发布人
【公式推导】由条件概率路径(高斯),推导出条件场的形式(公式15)【定理3】 论文:Flow Matching For Generative Modeling
打开封面
下载高清视频
观看高清视频
视频下载器
3.1 从条件概率路径pt(x|x1)和条件向量场ut(x|x1)构造pt和ut【公式推导】
【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】条件流匹配CFM:证明FM和CFM的目标关于参数的梯度一致【3.2节】【定理2】
【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】Elucidating the Design Space of Diffusion-Based Generative Models【附录B.1】
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】去噪分数匹配的预处理:形式和参数确定{c_in,c_out,c_skip,lambda}(公式8)【附录B.6】
【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】
利用Matlab进行公式推导技巧
【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】
【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)
【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】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】如何通过FPK(福克-普朗克方程)对一个PDE(偏微分方程),确定其SDE(随机微分方程)【附录B.5.2】【公式6】
【公式推导】VP preconditioning:根据公式(7)确定c_skip,c_out,c_in,c_noise【附录C.1.2】
【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】
【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】
自从学会抄,一年轻松发6篇SCI!B站公认最好的【SCI论文写作教程】基本套路+实操演示,包含所有干货内容!-论文/SCI论文/毕业论文
【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】
【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
柯尼希定理一定不是动量最优解
【公式推导】DDIM的公式(7)的由来:为什么设定这样的采样形式(DDIM最核心的采样设定)【非马尔科夫前向过程】【3.1节】【论文精读】
【公式证明】定理1:给出ut的形式【公式8】【附录A】【3.1节】
【论文精读】Understanding Diffusion Models: A Unified Perspective 01【introduction】
【公式证明】扩散模型中的reverse-time SDE是怎么推导得到的呢?
【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】
【公式推导】VP sampling:确定时间步,噪声水平,缩放水平{t_i, sigma(t), s(t)}【附录C.1.1】【Table 1】
【公式推导】VP,VE,DDIM的训练目标一致,故损失权重lambda一致【附录C.1.3】【附录C.2.4】
2.2介绍连续归一化流CNF(Continuous Normalizing Flows)的定义和性质【流flow、向量场v和概率密度p三者之间的关系】
【公式推导】命题1:DDIM的ODE形式与VE-SDE的ODE形式保持一致,都为公式(14)【附录B】
题目难,很多人直接放弃,学霸用了2个公式,快速解题
3 流匹配目标【公式5】【论文精读】
【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】
【公式推导】Variational Autoencoder(VAE)变分自动编码器【蒙特卡洛】【重参数化】
六级阅读247经验分享。
【公式推导】Elucidating the Design Space of Diffusion-Based Generative Models【附录B.2】
【补充】Tweedie公式及其证明
【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】利用Fourier傅里叶变换求解热方程【公式6】【附录B.5.1】【论文精读】
【推导思路】DDIM的ODE形式【论文精读】