V
主页
【公式推导】Variational Autoencoder(VAE)变分自动编码器【蒙特卡洛】【重参数化】
发布人
【论文精读】Understanding Diffusion Models: A Unified Perspective 3 本节的主要内容: 1. VAE为什么叫变分自动编码器 2. 深入剖析理解ELBO的2项 3. 从高斯分布设定编码器(后验分布) (1)蒙特卡洛 (2)重参数化
打开封面
下载高清视频
观看高清视频
视频下载器
【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】
VAE的推广:分层变分自动编码器【HVAE】与马尔科夫变分自编码器【MHVAE】【优化目标ELBO的推广】
【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
kaggle平台免费GPU使用教程【每周30小时免费GPU】【竞赛学习】
【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】从2个原因充分理解证据下界ELBO(如何推导)【Evidence Lower Bound】2
【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】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】扩散模型中的reverse-time SDE是怎么推导得到的呢?
【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】
【生成模型VAE】十分钟图解VAE变分自编码器,原理图解+公式推导!变分Auto-Encoder实战、生成图像、监督学习、pytorch、Python深度学习
公差分析怎么做?一个实例get三种方法
【公式推导】离散化求解ODE:算法1,介绍积分求解器【附录B.4】
【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】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】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】
【补充】Tweedie公式及其证明
【公式推导】Elucidating the Design Space of Diffusion-Based Generative Models【附录B.1】
【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)
别被骗了!2024国赛B题全网最正确的求解过程与结果展示(问题12)
【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】
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】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】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】
【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】DDPM采样等价于VP对应的逆SDE的一种数值解法【论文精读】【附录E】【P21】
【公式推导】Elucidating the Design Space of Diffusion-Based Generative Models【附录B.2】
【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】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】
【论文精读】Understanding Diffusion Models: A Unified Perspective 01【introduction】
秋招入职必刷!三小时快速上手【深度强化学习】,不愧是王树森博士,讲的实在是太通俗易懂了!
10分钟学会使用wandb(深度学习监控平台)【完美替代tensorboard】
【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】
【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】
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】
蒙特卡洛方法(monte carlo)计算圆周率pi
【论文精读】Adversarial Examples Are Not Bugs, They Are Features2
【学习笔记】手绘详解batchnorm与layernorm的区别【跟李沐学AI:Transformer论文逐段精读】
【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】