【AI学习】扩散模型的一点思考:生成过程为什么要增加噪声项

前面学习了扩散模型,并做了总结PPT

其中有一个疑问:在生成过程中,就是下图的算法2中的第四步,为什么要在预测了噪声项后,Xt减去预测的噪声后,还有再叠加一个噪声项?就是增加的部分。

李宏毅的讲解中,指出,如果不增加这个噪声项,最后就无法有效生成图片。

这两天忽然想到,其实,在前向过程中,每一步都在叠加一个高斯噪声。而在反向过程,每一步都重新估计这个高斯噪声,然后减去预测的噪声,最终恢复图形。但是,看了公式推导我们知道,其实,每一步估计噪声,其实是估计的噪声的均值。如果每一步只是减去一个预测的噪声的均值,那反向过程的每一步就不是如前向过程一样去处理高斯噪声,毕竟均值是一个确定项。所以还要增加前面所说的噪声项目,让反向过程的每一步真正实现减去高斯噪声的目的。

相关推荐
龙腾AI白云4 分钟前
卷积神经网络(CNN)详细介绍及其原理详解前言一、什么是卷积神经网络二、输入层
人工智能·django
上海蓝色星球10 分钟前
打破BIM应用“花瓶”窘境:让模型“活”在业务场景中
大数据·人工智能
币圈菜头13 分钟前
GAEA:情感AI如何改变我们的生活?12月空投前瞻
人工智能·web3·区块链·生活
骥龙13 分钟前
5.15、未来已来:AI安全的发展趋势与伦理思考
人工智能·安全
拼好饭和她皆失14 分钟前
Java学习---Arrays类
java·开发语言·学习
糖果罐子♡14 分钟前
在 openEuler 上部署 YOLOv8 实现实时目标检测
人工智能·yolo·目标检测
鲸采云SRM采购管理系统16 分钟前
SRM采购系统:鲸采云如何实现全链路管控
大数据·人工智能
代码游侠16 分钟前
学习笔记——GDB调试工具
linux·开发语言·笔记·学习
c骑着乌龟追兔子16 分钟前
Day 27 常见的降维算法
人工智能·算法·机器学习
Wise玩转AI17 分钟前
从LLM到Agent:技术迁移的必然趋势
人工智能·python·语言模型·ai智能体