Diffusion:从Score-based (DM) 到 Distillation-based (CM)再到Consistency Trajectory Models(CTM)

本文介绍了扩散模型在图像和声音生成领域的兴起,主要关注Score-based和Distillation-based两种模型的发展。作者回顾了ConsistencyTrajectoryModels论文中的分类,并将在后续章节逐步探讨这两种模型的基础和细节。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

0. 写在前面        

1. Score-based models

2. Distillation-based models

3. Consistency Trajectory Models


0. 写在前面        

        diffusion model是生成模型的新贵,近年在图像生成领域火爆出圈,当然,其实在笔者所研究的声音合成领域,diffusion也能表现非凡。笔者初闻diffusion是在大二的随机过程课上,可惜当时也学得不是很懂/doge。借着学习近期论文Consistency Trajectory Models的机会,我们来好好梳理一下diffusion model的发展历程。

        在Consistency Trajectory Models论文中,将现有的diffusion model分为了两类:Score-based models和 Distillation-based models。我们下面就以这两类的发展历程来从零学习diffusion model的种种细节。

        在正式开始前,我们先来学习一些基础的数学知识!

        

1. Score-based models

2. Distillation-based models

3. Consistency Trajectory Models

持续更新中,别急......

4. Reference

1. https://consistencytrajectorymodel.github.io/CTM/

2. https://arxiv.org/pdf/2310.02279.pdf

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值