Запис атласу: https://www.aitimeline.dev/uk/events/evt-0010/
Дослідження · 12 березня 2015 р.
Описано генеративний процес зашумлення й відновлення.
Ця робота запропонувала імовірнісний шлях генерації даних через повторне відновлення.
Ця рання стаття є передумовою, а не заявою про кожен пізніший генератор зображень.
arXiv · Опубліковано 12 березня 2015 р.
Proceedings of Machine Learning Research (ICML 2015, 32nd International Conference on Machine Learning) · Опубліковано 2015
Обидві роботи описують генерацію зображень навчанням на даних; механізми навчання різні.
Той самий хід: породжувальна модель із явним імовірнісним обґрунтуванням.
Та сама пряма й зворотна дифузія, описана 2015 року; ця стаття будує на ній навчання за зваженою варіаційною межею.
Обидва записи про породжувальні моделі зображень; та стаття — попередня робота галузі, а не основа саме цієї моделі.
Модель належить до дифузійної родини.
Відео породжується тим самим процесом поступового усунення шуму.
Структуру породжує дифузійний модуль замість колишнього геометричного блока.
Породження зображення кадр за кадром, але кожен наступний залежить від дії глядача.
Обидві відзначені статті працюють усередині цього сімейства: одна про порядок у дифузійних мовних моделях, друга про точність вибірки з дифузійних моделей.