Receber por email
← Voltar para o catálogo

ai-science-diffusion-generative-models

Correspondência de score, agendamentos de ruído, amostragem DDIM e problemas inversos DDRM para modelos generativos de difusão.

3estrelas
Atualizado há 6 meses

Ver no GitHub ↗

Como adicionar

/plugin marketplace add Pavel-Kravchenko/Bioinformatics

O comando exato pode variar conforme o repositório. Confira o README no GitHub.

Para o autor da skill

Cole no README do seu repo

Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.

[![Skillteca](https://www.skillteca.com.br/api/badge/ai-science-diffusion-generative-models/svg)](https://www.skillteca.com.br/skills/ai-science-diffusion-generative-models)
#ai

Skills relacionadas

Ver todas de DevOps e Infra →

Alerta por categoria

Receba novas skills de DevOps e Infra toda segunda

1 email curto, só com as skills novas de DevOps e Infra. 4 minutos de leitura, sem spam, cancela com 1 clique.

Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.

Ler descrição completa

Diffusion Generative Models

Key Concepts

  • Forward (q): adds noise deterministically. Reverse (p_θ): denoises via learned network
  • ᾱₜ vs αₜ: αₜ = 1 − βₜ (single-step). ᾱₜ = ∏αₜ (cumulative). Forward closed form uses ᾱₜ
  • Cosine schedule (Nichol & Dhariwal 2021): s=0.008 offset prevents ᾱ changing too fast near t=0
  • DDIM η: η=0 → deterministic ODE sampler; η=1 → stochastic DDPM sampler

Score Matching

Learn the score ∇_x log p(x) instead of p(x) directly. Denoisin

[Description truncada. Veja o README completo no GitHub.]

Compartilhar X LinkedIn