Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 3d editing
- emerdiff
- DP
- visiontransformer
- segmenation map generation
- segmentation map
- dreammotion
- 코테
- controllable video generation
- 3d generation
- 프로그래머스
- Programmers
- diffusion
- style align
- magdiff
- 코딩테스트
- video editing
- diffusion model
- image editing
- controlnext
- BOJ
- Python
- Vit
- video generation
- score distillation
- transformer
- 네이버 부스트캠프 ai tech 6기
- 논문리뷰
- VirtualTryON
- diffusion models
Archives
- Today
- Total
목록NCSN (1)
평범한 필기장
[평범한 학부생이 하는 논문 리뷰] Generative Modeling by Estimating Gradients of the Data Distribution (NCSN)
이번에는 Diffusion에 제대로 도전해보자! 하는 마인드로 Diffusion 논문들도 블로그에 올리기로 다짐했다. 그래서 첫 논문으로 NCSN을 들고 왔다. 스터디해보면서 엄청 벽을 느낀 논문들이지만 다시 읽고 제대로 이해해서 넘어갈겸 포스팅에 도전했다. https://arxiv.org/pdf/1907.05600.pdf 1. Introduction 1.1 기존 생성모델들의 단점 기존 생성모델들은 각 모델들마다 단점을 지닌다. 예를 들면 likelihood-based 모델은 autoregressive model이나 flow model과 같이 정규화된 확률 모델을 구축하기 위해 특수 아키텍처를 사용하거나 학습을 위해 VAE에서의 ELBO와 같은 surrogate loss를 사용해야 한다. 그리고 GAN ..
AI/Diffusion Models
2023. 12. 28. 19:40